ISSN 1991-2927
 

АПУ № 3 (53) 2018

Рубрика: "ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ"

УДК 004.852

Святов Кирилл Валерьевич, Ульяновский государственный технический университет, кандидат технических наук, окончил Ульяновский государственный технический университет. Декан факультета информационных систем и технологий УлГТУ. Имеет статьи, монографии, учебное пособие и свидетельства о регистрации программы для ЭВМ. Область научных интересов - машинное обучение и робототехника. [e-mail: k.svyatov@ulstu.ru]К.В. Святов,

Михеев Александр Вячеславович, Ульяновский областной центр новых информационных технологий при УлГТУ, окончил УлГТУ, программист Ульяновского областного центра новых информационных технологий при УлГТУ. Область научных интересов - машинное обучение. [e-mail: a.miheev@simcase.ru]А.В. Михеев,

Шлямов Максим Андреевич, Ульяновский государственный технический университет, студент факультета информационных систем и технологий УлГТУ. Область научных интересов - машинное обучение. [e-mail: m.shlyamov@simcase.ru]М.А. Шлямов

Программный комплекс визуального мониторинга грузоперевозок53_7.pdf

В статье рассматривается процесс проектирования и реализации программного комплекса для контроля полноты загрузки грузового транспорта при проезде контрольных пунктов с использованием алгоритмов технического зрения и методов машинного обучения. Контроль полноты загрузки используется в рамках государственного надзора за эксплуатацией российских дорог, а также контроля объема перевозимого груза в частных компаниях при исполнении заказов в рамках услуг по грузоперевозке. В статье рассматривается задача контроля объема перевозимого груза в грузовых автомобилях с открытым бортом, при этом в качестве груза рассматривается сыпучий нерудный материал (песок, щебень, уголь). В настоящее время задача весового контроля автомобильных грузоперевозок решается в большинстве случаев с использованием весов. Также известны решения с использованием ультразвуковых датчиков расстояния, которые генерируют сигнал, соответствующий форме автомобиля при проезде под несколькими такими датчиками. Однако данные решения достаточно дороги в установке, не учитывают разницу в сигналах в случае использования разных типов или моделей автомобилей на одном маршруте перевозки. Кроме того, масса не всегда отражает полноту загрузки кузова, т. к. некоторые материалы при малом объеме весят гораздо больше полезного груза. А при разных погодных условиях (при повышенной влажности, например) масса определенных грузов может существенно изменяться в пределах 15%. При этом эффективность перевозок оценивается из расчета минимально возможного количества проездов для вывоза груза заданного объема. Решить задачу контроля объема перевозимого сыпучего груза представляется возможным с использованием системы технического зрения. Описанию разработки такой системы и посвящена данная статья.

Автоматизированное проектирование, искусственный интеллект, нейронные сети, машинное обучение, компьютерное зрение.

2018_ 3

Рубрика: Информационные системы

Тематика: Информационные системы, Искусственный интеллект.


УДК 004.89:378.1

Жуйков Илья Владимирович, Поволжский государственный технологический университет , аспирант, окончил факультет информатики и вычислительной техники Поволжского государственного технологического университета. Имеет статьи в области интеллектуальных систем тестирования. [e-mail: zhuikill@yandex.ru]И.В. Жуйков,

Нехаев Игорь Николаевич, Поволжский государственный технологический университет , кандидат технических наук, доцент кафедры «Прикладная математика и информационные технологии» ПГТУ. Начальник Центра электронного обучения ПГТУ. Имеет научные работы в области мягких вычислений, нечеткой логики, электронного обучения. [e-mail: nehaevin@volgatech.net]И.Н. Нехаев

Применение LP-структур при построении интеллектуальной системы тестирования53_8.pdf

Задачи компетентностного уровня - это сложные задачи, для решения которых недостаточно только знаний, поэтому обучающие и тестовые системы должны уметь моделировать структуры постепенно усложняющихся задач. В некоторых случаях данные структуры можно моделировать с помощью математических решёток, описывающих структуру кейсов с дополнительным отношением усложнения. В данной статье рассматривается модель решетки неусложнения кейсов для рассматриваемой предметной области, предлагается способ задания и построения такой решетки с использованием конечных LP-структур и применением операций транзитивного замыкания на решетке уточнения кейсовых ситуаций. В заключении показан пример применения данного подхода для конструирования системы интеллектуального тестирования способности решения задач сравнения чисел из предметной области «арифметика натуральных чисел». Показано, что данный подход может быть применим для дальнейшего анализа результатов решений и построения более прагматичной решетки усложнения кейсов и тестовых заданий.

Компетентностный подход, интеллектуальная система тестирования, решетка усложнения кейсов.

2018_ 3

Рубрика: Информационные системы

Тематика: Информационные системы, Математическое моделирование, Искусственный интеллект.


УДК 61:510.98

Виноградов Геннадий Павлович, Тверской государственный технический университет , доктор технических наук, окончил Калининский политехнический институт, профессор кафедры «Информатики и прикладной математики Тверского государственного технического университета. Имеет более 200 научных работ в области теории принятия решений, нечеткой логики, гибридных систем. [e-mail: wgp272ng@mail.ru]Г.П. Виноградов

Модель процесса принятия решений в ситуациях с неполной и неопределенной информацией52_12.pdf

Показано, что агент при принятии решений использует три множества альтернатив: управляющие, структурные и идентификации. Это предполагает существование трех виртуальных сторон, осуществляющих выбор соответствующих альтернатив. Правила выбора альтернатив в зависимости от понимания субъектом обстановки и структуры своих интересов формируются путем нахождения компромисса. В работе ставится задача исследовать причины несоответствия между фактическим и «оптимальным» выбором. Для этого предлагается формальная схема включения в модель выбора этапов: познания и поведения, связанного с выбором. Предлагаемый в статье подход основан на формализации идей Миллера, Галантера и Прибрама и использует идеи субъективно рационального выбора развитого на основе теории нечетких множеств. Субъективно рациональный выбор предполагает, что мотивация выбора определяется как внешними, так и внутренними факторами. Внутренние факторы отражают интересы субъекта, индуцируемые его потребностями и этической системой, которой он придерживается. Оценки удовлетворенности текущей ситуацией целеустремленного состояния субъектом, как показано, могут приводить к изменению структуры интересов субъекта, и он ее может выбирать.

Рефлексивное управление, принятие решений, модель, компромисс.

2018_ 2

Рубрика: Искусственный интеллект

Тематика: Искусственный интеллект.


УДК 004.932.2

Воронов Сергей Васильевич, Ульяновский государственный университет, кандидат технических наук, окончил радиотехнический факультет Ульяновского государственного технического университета, доцент кафедры «Радиотехника» УлГТУ. Имеет статьи и монографии в областях обработки и анализа сигналов, изображений и их последовательностей, а также компьютерного зрения. [e-mail: valmedia@yandex.ru]С.В. Воронов,

Мухометзянов Ринат Наилевич, университет Ватерлоо, Канада, аспирант университета Ватерлоо, Канада, окончил радиотехнический факультет УлГТУ. Имеет статьи в области компьютерного зрения. [e-mail: mukhometzyanov@mail.ru]Р.Н. Мухометзянов,

Воронов Илья Васильевич, Ульяновский государственный университет, окончил радиотехнический факультет УлГТУ, аспирант того же университета. Имеет статьи в области обработки и рекуррентного оценивания параметров цифровых изображений и их последовательностей. [e-mail: ilvo1987@gmail.com]И.В. Воронов,

Шрамов Вадим Андреевич, ФНПЦ АО «НПО «Марс», окончил радиотехнический факультет УлГТУ, аспирант того же университета. Инженер-исследователь ФНПЦ АО «НПО «Марс». [e-mail: vadim_shramov@mail.ru]В.А. Шрамов

Обнаружение и распознавание дорожных знаков в реальном времени на мобильных устройствах52_13.pdf

Системы автоматического распознавания дорожных знаков выполняют локализацию дорожных знаков и их распознавание на изображениях, поступающих с бортовых камер автотранспортных средств. Подобные системы направлены на помощь водителям во время движения, а также являются неотъемлемой частью систем автоматического управления или продвинутой поддержки. Статья посвящена детектированию и распознаванию дорожных знаков на основе применения технологий глубокого обучения, адаптированных для мобильных систем с малым энергопотреблением. Предложен подход к распознаванию знаков, состоящий из двух последовательных этапов: детектирование дорожного знака и распознавание класса обнаруженного знака. Данные для анализа были взяты из трех открытых наборов изображений. С целью анализа эффективности полученного решения достигнутые результаты сравнивались с результатами известных подходов к решению задачи детектирования объектов, основанных на применении глубоких сверточных нейронных сетей. Проведенное исследование показало, что предложенный подход для всех использованных наборов данных дал как лучшее качество распознавания, так и максимальное быстродействие.

Глубокое обучение, алгоритм виолы-джонса, сверточные нейронные сети, распознавание дорожных знаков, обнаружение объектов.

2018_ 2

Рубрика: Искусственный интеллект

Тематика: Искусственный интеллект.


УДК 004.89

Ахметвалеев Амир Муратович, КНИТУ-КАИ, окончил факультет технической кибернетики и информатики Казанского государственного технического университета им. А.Н. Туполева-КАИ. Аспирант КНИТУ-КАИ. Имеет научные труды в области математического моделирования, анализа данных и машинных методов обучения. [e-mail: amir.akhmetvaleev@gmail.com]А.М. Ахметвалеев,

Катасёв Алексей Сергеевич, КНИТУ-КАИ, андидат технических наук, окончил физико-математический факультет Елабужского государственного педагогического института. Доцент кафедры «Системы информационной безопасности» КНИТУ-КАИ. Имеет научные труды в области математического моделирования, анализа данных и разработки интеллектуальных систем поддержки принятия решений. [e-mail: Kat_726@mail.ru]А.С. Катасёв

Инструментальный комплекс программ для автоматизации определения функционального состояния человека52_14.pdf

В данной статье актуализируется необходимость определения функционального состояния человека. Ее решение основано на применении метода пупиллометрии, позволяющего судить о состоянии человека по его зрачковой реакции на изменение освещенности. С целью автоматизации процессов определения функционального состояния человека разрабатывается инструментальный комплекс программ, основанный на использовании нейросетевой модели. Описываются его структура, состав и характеристики компонентов. Рассматривается функционирование программного комплекса на примере работы модулей построения нейросетевой модели, оценки ее точности на основе метода бутстрэпирования, структурной оптимизации модели, а также определения функционального состояния человека. На базе комплекса программ проведен ряд исследований и экспериментов. Представлены результаты влияния числа этапов бутстрэпирования на точность нейросетевой модели, результаты редукции нейронных сетей, сравнения точности модели с точностью других методов классификации. Результаты исследований показали эффективность нейросетевой модели и возможность ее практического использования для определения функционального состояния человека в различных предметных областях.

Функциональное состояние человека, пупиллометрия, нейросетевая модель, генетический алгоритм, бутстрэпирование.

2018_ 2

Рубрика: Искусственный интеллект

Тематика: Искусственный интеллект, Информационные системы.


УДК 621.397:004.738

Соснин Петр Иванович, Ульяновский государственный технический университет , доктор технических наук, профессор Ульяновского государственного технического университета, окончил радиотехнический факультет Ульяновского политехнического института. Заведующий кафедрой «Вычислительная техника» УлГТУ. Область научных интересов - прикладные интеллектуальные системы и системы автоматизированного проектирования. [e-mail: sosnin@ulstu.ru]П.И. Соснин,

Маклаев Владимир Анатольевич, ФНПЦ АО «НПО «Марс», кандидат технических наук, окончил энергетический факультет Ульяновского политехнического института. Генеральный директор ФНПЦ АО «НПО «Марс». Область научных интересов - системы автоматизированного проектирования. [e-mail: mars@mv.ru]В.А. Маклаев

Формирование и использование вопросно-ответных сетей в проектировании автоматизированных систем50_10.pdf

В статье представлены результаты исследований и применений вопросно-ответных сетей, порождаемых в процессах отображения операционного пространства проектирования автоматизированных систем (АС) на семантическую память. В каждом проекте принципиальное место в таких сетях занимает дерево проектных задач в текущем состоянии их решения, которое дополняется сетями, представляющими организационную структуру коллектива проектировщиков, доступный опыт, коммуникативные взаимодействия, проектное управление и другие компоненты операционного пространства проектирования. Важное место в отображении на семантическую память занимает теория проекта и его концептуальное состояние, в том числе созданные документы. Множество исследованных вопросно-ответных сетей было использовано и совершенствовалось в ряде важных направлений проектной деятельности в контексте повышения их эффективности. Исследования и применения вопросно-ответных сетей осуществлялись в инструментально-моделирующей среде WIQA (Working In Questions and Answers), обслуживающей концептуальное проектирование АС.

Вопросно-ответные сети, модели опыта, прецедент, теория проекта.

2017_ 4

Рубрика: Искусственный интеллект

Тематика: Искусственный интеллект, Системы автоматизации проектирования .


УДК 681.3

Ярушкина Надежда Глебовна, Ульяновский государственный технический университет , доктор технических наук, профессор, окончила Ульяновский политехнический институт (УлПИ) по специальности «Электронные вычислительные машины», заведующая кафедрой «Информационные системы» Ульяновского государственного технического университета (УлГТУ). Имеет более 400 научных работ в области мягких вычислений, нечеткой логики, гибридных систем. [e-mail: jng@ulstu.ru]Н.Г. Ярушкина,

Афанасьева Татьяна Васильевна, Ульяновский государственный технический университет, доктор технических наук, доцент, окончила радиотехнический факультет УлПИ, заместитель заведующего кафедрой «Информационные системы» УлГТУ. Имеет статьи и монографии в области интеллектуального анализа временных рядов. [e-mail: tv.afanasjeva@gmail.com]Т.В. Афанасьева,

Негода Виктор Николаевич, Ульяновский государственный технический университет , доктор технических наук, окончил радиотехнический факультет УлПИ, профессор кафедры «Вычислительная техника» УлГТУ. Имеет статьи, монографии и авторские свидетельства в области проектирования встроенных систем контроля и управления. Область научных интересов - автоматизация проектирования логического управления техническими системами. [e-mail: nvn@ulstu.ru]В.Н. Негода,

Самохвалов Михаил Константинович, Ульяновский государственный технический университет , доктор физико-математических наук, профессор, окончил физический факультет Саратовского государственного университета им. Н.Г. Чернышевского, профессор кафедры «Проектирование и технология электронных средств» УлГТУ. Имеет статьи в области оптоэлектроники. [e-mail: sam@ulstu.ru]М.К. Самохвалов,

Наместников Алексей Михайлович, Ульяновский государственный технический университет , кандидат технических наук, окончил радиотехнический факультет УлГТУ. Доцент кафедры «Информационные системы» УлГТУ. Имеет более 80 работ в области автоматизированного проектирования и интеллектуальных систем. [e-mail: nam@ulstu.ru]А.М. Наместников,

Гуськов Глеб Юрьевич, Ульяновский государственный технический университет , аспирант кафедры «Информационные системы» УлГТУ, окончил факультет информационных систем и технологий УлГТУ. Ассистент кафедры «Информационные системы» УлГТУ. Имеет работы в области онтологического моделирования и интеллектуального анализа временных рядов. [e-mail: g.guskov@ulstu.ru]Г.Ю. Гуськов,

Романов Антон Алексеевич, Ульяновский государственный технический университет , окончил факультет информационных систем и технологий УлГТУ, доцент кафедры «Информационные системы» УлГТУ. Имеет статьи в области интеллектуальных систем хранения и обработки информации. [e-mail: romanov73@gmail.com]А.А. Романов

Интеграция проектных диаграмм и онтологий в задаче балансировки мощностей авиастроительного предприятия50_11.pdf

В данной статье сформулированы основные принципы построения информационного обеспечения автоматизированной системы балансировки производственных мощностей крупных промышленных предприятий на примере агрегатно-сборочного самолетостроительного производства. Также приведен выбор и обоснование нотации проектных диаграмм для описания технологических процессов на примере фрагмента модели описания технологического процесса «сборка каркаса служебной двери» на предприятии АО «Авиастар-СП». Также в статье приведено описание подхода к трансформации UML-OWL и поиск схожего софтверного проекта из репозитория по выраженности общих шаблонов проектирования с применением методов онтологического инжиниринга. Помимо этого, приведена модель прогнозирования временных рядов в задаче балансировки мощностей.

Балансировка мощностей, репозиторий, проектная диаграмма, онтология, шаблон проектирования, авиастроение.

2017_ 4

Рубрика: Искусственный интеллект

Тематика: Искусственный интеллект, Системы автоматизации проектирования .


УДК 681.3

Ярушкина Надежда Глебовна, Ульяновский государственный технический университет , доктор технических наук, профессор, окончила Ульяновский политехнический институт (УлПИ) по специальности «Электронные вычислительные машины», заведующая кафедрой «Информационные системы» Ульяновского государственного технического университета (УлГТУ). Имеет более 400 научных работ в области мягких вычислений, нечеткой логики, гибридных систем. [e-mail: jng@ulstu.ru]Н.Г. Ярушкина,

Негода Виктор Николаевич, Ульяновский государственный технический университет , доктор технических наук, окончил радиотехнический факультет УлПИ, профессор кафедры «Вычислительная техника» УлГТУ. Имеет статьи, монографии и авторские свидетельства в области проектирования встроенных систем контроля и управления. Область научных интересов - автоматизация проектирования логического управления техническими системами. [e-mail: nvn@ulstu.ru]В.Н. Негода,

Егоров Юрий Петрович, ФНПЦ ОАО «НПО Марс», доктор технических наук, профессор, окончил радиотехнический факультет Ленинградского высшего морского инженерного училища им. С.О. Макарова. Главный научный сотрудник ФНПЦ ОАО «НПО Марс». Специализируется в области макропроектирования больших информационно-управляющих систем. Имеет публикации монографии, изобретения в области проектирования систем управления. [e-mail: yupe@mail.ru]Ю.П. Егоров,

Мошкин Вадим Сергеевич, Ульяновский государственный технический университет , окончил факультет информационных систем и технологий УлГТУ, доцент кафедры «Информационные системы» УлГТУ. Имеет более 60 статей в области интеллектуальных систем анализа данных. [e-mail: v.moshkin@ulstu.ru]В.С. Мошкин,

Шишкин Вадим Викторинович, Институт авиационных технологий и управления Ульяновского государственного технического университета, кандидат технических наук, доцент, окончил радиотехнический факультет Ульяновского политехнического института. Директор Института авиационных технологий и управления УлГТУ. Имеет статьи в области интеллектуального анализа данных. [e-mail: shvv@ulstu.ru]В.В. Шишкин,

Романов Антон Алексеевич, Ульяновский государственный технический университет , окончил факультет информационных систем и технологий УлГТУ, доцент кафедры «Информационные системы» УлГТУ. Имеет статьи в области интеллектуальных систем хранения и обработки информации [e-mail: romanov73@gmail.com]А.А. Романов,

Эгов Евгений Николаевич, Ульяновский государственный технический университет , окончил факультет информационных систем и технологий УлГТУ. Ассистент кафедры «Информационные системы» УлГТУ. Имеет работы в области интеллектуального анализа временных рядов. [e-mail: e.egov@ulstu.ru]Е.Н. Эгов

Моделирование процесса технологической подготовки производства на основе онтологического инжиниринга50_12.pdf

В данной статье сформулированы задачи повышения эффективности использования производственных мощностей крупного промышленного предприятия в условиях строго определенных планов производства. Помимо этого, представлена крупноблочная структура информационного обеспечения процесса электронной технологической подготовки производства на основе онтологического инжиниринга. Также рассмотрены архитектура и основные принципы построения системы балансировки мощностей на примере агрегатно-сборочного самолетостроительного производства. Также в работе представлены эксперименты по семантической валидации технической документации для разработки автоматизированной системы управления поточной линией сборки АО «Авиастар-СП» с использованием принципов онтологического инжиниринга.

Информационное обеспечение, онтология, балансировка мощностей, самолетостроение, агрегатно-сборочное производство.

2017_ 4

Рубрика: Искусственный интеллект

Тематика: Искусственный интеллект, Системы автоматизации проектирования .


УДК 004.932.4

Ташлинский Александр Григорьевич, Ульяновский государственный технический университет , доктор технических наук, профессор, окончил радиотехнический факультет Ульяновского политехнического института. Заведующий кафедрой «Радиотехника» Ульяновского государственного технического университета. Имеет статьи, монографии, изобретения в области цифровой обработки сигналов и изображений. [e-mail: tag@ulstu.ru]А.Г. Ташлинский,

Смирнов Павел Викторович, АО «Ульяновское конструкторское бюро приборостроения», кандидат технических наук, окончил радиотехнический факультет УлГТУ. Начальник научно-исследовательского отдела АО «Ульяновское конструкторское бюро приборостроения». Имеет статьи в области оценивания параметров межкадровых геометрических деформаций изображений. [e-mail: rtcis@mail.ru]П.В. Смирнов,

Царёв Михаил Григорьевич, Ульяновский государственный технический университет , окончил радиотехнический факультет УлГТУ, аспирант того же университета. Имеет статьи в области цифровой обработки сигналов и изображений. [e-mail: michael.tsaryov@gmail.com]М.Г. Царёв

Попиксельная оценка движения сцены по видеопоследовательности50_9.pdf

Проведен анализ рекуррентного попиксельного оценивания движения сцены по видеопоследовательности с использованием реверсивных псевдоградиентных алгоритмов определения межкадровых векторов сдвигов всех точек опорного изображения, соответствующих его узлам (поля векторов сдвигов). Исследована эффективность использования в качестве оцениваемых параметров векторов сдвигов проекций на базовые оси изображения и полярных параметров. рассмотрено два подхода к оцениванию параметров поля векторов сдвигов. При первом подходе псевдоградиентным релейным алгоритмом по строкам последовательно обходятся все узлы опорного изображения. Причем каждая строка обрабатывается реверсивно: сначала «слева направо», а потом «справа налево». совместная обработка полученных результатов позволяет компенсировать инерционность рекуррентного оценивания. При втором подходе исследована возможность повышения точности формирования поля векторов сдвигов за счет учета коррелированности смежных строк изображения. Для этого результирующая оценка для каждого узла опорного изображения формируется по результатам обработки строк «змейкой» во встречных направлениях. Исследовано два критерия формирования оптимальной оценки: минимум модуля псевдоградиента целевой функции качества оценивания и максимум корреляции локальной окрестности опорного и восстановленного изображений. Приведены примеры экспериментальных результатов межкадрового попиксельного оценивания сцены при наличии подвижного объекта, а также использования поля сдвигов для нахождения траектории движения объекта по видеопоследовательности.

Видеопоследовательность, обработка изображений, выделение подвижного объекта, траектория, межкадровые геометрические деформации, реверсивное оценивание, псевдоградиент.

2017_ 4

Рубрика: Информационные системы

Тематика: Информационные системы, Математическое моделирование, Архитектура корабельных систем , Искусственный интеллект.


УДК 621.397:004.738

Соснин Петр Иванович, Ульяновский государственный технический университет, доктор технических наук, профессор Ульяновского государственного технического университета, окончил радиотехнический факультет Ульяновского политехнического института. Заведующий кафедрой «Вычислительная техника» УлГТУ. Область научных интересов - прикладные интеллектуальные системы. [e-mail: sosnin@ulstu.ru]П.И. Соснин,

Пушкарева Анна Александровна, Ульяновский государственный технический университет, аспирант кафедры «Вычислительная техника» УлГТУ, окончила факультет информационных систем и технологий УлГТУ. Область научных интересов - прикладная лингвистика. [e-mail: a.push1206@gmail.com]А.А. Пушкарева,

Васильев Андрей Алексеевич, ФНПЦ АО «НПО «Марс», аспирант УлГТУ, окончил энергетический факультет УлГТУ. Начальник научно-исследовательского отделения ФНПЦ АО «НПО «Марс». Область научных интересов - системы автоматизированного проектирования. [e-mail: mars@mv.ru]А.А. Васильев

Комплекс средств онтологического сопровождения процессов решения новых проектных задач в разработке систем с программным обеспечением000_11.pdf

В статье представлен комплекс средств онтологической поддержки, повышающей эффективность проектного мышления в условиях, когда при разработке системы, интенсивно использующей программное обеспечение, проектировщик обнаруживает необходимость решения новой проектной задачи. специфику поддержки определяет включение в процесс проектного мышления средства вопросно-ответного и прецедентно-ориентированного подходов, обеспечивающих конструктивное формирование дерева задач проекта. составляющие дерева регистрируют не только тексты постановок задач, но и вопросно-ответные рассуждения процессов решения каждой задачи. Предлагаемая версия онтологического сопровождения нацелена на поиск проектных ошибок, их исправление и предотвращение, а также на извлечение полезных вопросов и поддержку процессов понимания в процессе проектирования в реальном времени. Дополнительно он позволяет выявить в текстах причинно-следственные отношения и отношения «часть-целое». разработанные средства сопровождения встроены в инструментально-моделирующий комплекс WIQA (Working In Questions and Answers), обслуживающий концептуальное проектирование систем с программным обеспечением.

Концептуальное проектирование, лексический контроль, онтология, прецедент, проектное мышление, семантика.

2017_ 3

Рубрика: Искусственный интеллект

Тематика: Искусственный интеллект, Информационные системы.


УДК 004.89

Ахметвалеев Амир Муратович, КНИТУ-КАИ, окончил факультет технической кибернетики и информатики Казанского государственного технического университета им. А.Н. Туполева-КАИ. Аспирант КНИТУ-КАИ. Имеет научные труды в области математического моделирования, анализа данных и машинных методов обучения. [e-mail: amir.akhmetvaleev@gmail.com]А.М. Ахметвалеев,

Катасёв Алексей Сергеевич, КНИТУ-КАИ, кандидат технических наук, окончил физико-математический факультет Елабужского государственного педагогического института. Доцент кафедры «Системы информационной безопасности» КНИТУ-КАИ. Имеет научные труды в области математического моделирования, анализа данных и разработки интеллектуальных систем поддержки принятия решений. [e-mail: Kat_726@mail.ru]А.С. Катасёв

Нейросетевая модель и программный комплекс определения функционального состояния человека000_12.pdf

В статье рассматривается задача определения функционального состояния опьянения человека. Для ее решения предлагается метод, основанный на анализе данных пупиллограмм - временных рядов, характеризующих динамику изменения размеров зрачков человека на световое импульсное воздействие. В качестве инструмента интеллектуального анализа данных и построения модели определения функционального состояния человека предлагается использовать математический аппарат искусственной нейронной сети - однослойного персептрона. Предлагается исходная нейросетевая модель и производится оценка ее адекватности. Для повышения эффективности ее практического использования разрабатывается метод редукции структуры нейронной сети на основе генетического алгоритма. Предложенный метод двухэтапной генетической оптимизации позволяет определять значимые входные признаки для нейронной сети и по заданному входному признаковому пространству оптимизировать состав нейронов скрытого слоя. результаты проведенных экспериментов на базе разработанного программного комплекса показали высокую эффективность определения функционального состояния человека на основе редуцированной нейросетевой модели. Данная модель может быть эффективно использована в составе интеллектуальных систем видеонаблюдения в системах общественной безопасности, а также в медицинской диагностике в качестве инструмента для бесконтактного определения функционального состояния опьянения человека.

Нейросетевая модель, определение функционального состояния, генетический алгоритм, пупиллометрия, оценка качества данных, очистка данных.

2017_ 3

Рубрика: Искусственный интеллект

Тематика: Искусственный интеллект, Информационные системы.


УДК

Благодатский Григорий Александрович, Ижевский государственный технический университет им. М.Т. Калашникова, доцент кафедры «Информационные системы» Ижевского государственного технического университета им. М.Т. Калашникова. Имеет статьи и монографии в области автоматизации и оптимизации бизнес-процессов предприятий, а также свидетельства о регистрации баз данных и программ для ЭВМ. [e-mail: blagodatsky@gmail.com]Г.А. Благодатский,

Горохов Максим Михайлович, Ижевский государственный технический университет им. М.Т. Калашникова, доктор физико-математических наук, профессор, заведующий кафедрой «Информационные системы» ИжГТУ им. М.Т. Калашникова. Имеет статьи и монографии в области разработки и построения программно-инструментальных средств различного назначения, а также свидетельства о регистрации баз данных и программ для ЭВМ. [e-mail: insys2005@mail.ru]М.М. Горохов,

Переведенцев Денис Алексеевич, Ижевский государственный технический университет им. М.Т. Калашникова, аспирант ИжГТУ им. М.Т. Калашникова. Имеет статьи и монографии в области проектирования и разработки экспертных систем поддержки процессов управления научными и инновационными проектами, а также свидетельства о регистрации баз данных и программ для ЭВМ. [e-mail: perevedencew@mail.ru]Д.А. Переведенцев

Моделирование системы нечеткого логического вывода оценки наукоемких проектов000_11.pdf

Для определения инновационного потенциала и перспективности наукоемких проектов необходим учет большого комплекса параметров, который охватывает всю систему взаимодействия конкретного проекта с окружающей средой. Цель исследования состоит в разработке моделей, методов, алгоритмов и программного обеспечения процессов, направленных на повышение эффективности управления научными и инновационными проектами. Сегодня нечеткий логический вывод широко используется при моделировании систем, характеризуемых преимущественно качественными параметрами. Для решения поставленной задачи была разработана система нечеткой логики на основе алгоритма Мамдани. Методом факторного анализа из общей совокупности параметров проектов было выделено 8 факторов. В оценках факторов состояния проекта выявлено несколько диапазонов значений и введены соответствующие лингвистические переменные. Результатом применения авторских алгоритмов является система нечеткого логического вывода, построенная в среде FUZZY Matlab, описывающая коммерческую привлекательность, уровень завершенности и перспективность наукоемких проектов. На основе расчетных характеристик проекта построен алгоритм оценки наукоемких проектов. Представлен алгоритм решения задачи многокритериальной оптимизации для отбора проектов из базы данных.

Нечеткий вывод, наукоемкие проекты, сложные системы, эффективное оценивание, алгоритм оценки, алгоритм отбора.

2017_ 2

Рубрика: Искусственный интелект

Тематика: Искусственный интеллект, Информационные системы.


УДК 338.45(470.42)

Дударин Павел Владимирович, Ульяновский государственный технический университет, аспирант кафедры «Информационные системы» Ульяновского государственного технического университета, окончил Ульяновский государственный университет. Имеет научные работы в области кластеризации текстов. [e-mail: PDudarin@ibs.ru]П.В. Дударин,

Пинков Александр Петрович, Ульяновский государственный технический университет, кандидат экономических наук, окончил ульяновский филиал Куйбышевского планового института. Исполняющий обязанности ректора УлГТУ. Имеет более 50 научных работ, в том числе монографию и статьи, по экономике, планированию, маркетингу, организации производства, организации высшего образования и корпоративного обучения. [e-mail: rector@ulstu.ru]А.П. Пинков,

Ярушкина Надежда Глебовна, Ульяновский государственный технический университет, доктор технических наук, профессор, первый проректор - проректор по научной работе УлГТУ, заведующая кафедрой «Информационные системы» УлГТУ. Окончила Ульяновский политехнический институт. Имеет более 300 работ в области мягких вычислений, нечеткой логики, гибридных систем. [e-mail: jng@ulstu.ru]Н.Г. Ярушкина

Методика и алгоритм кластеризации объектов экономической аналитики000_12.pdf

Целью исследования, результаты которого изложены в данной статье, является разработка новых и модифицированных методов и алгоритмов решения задачи кластеризации объектов экономической аналитики. Применение известных алгоритмов кластеризации формулировок экономических показателей для установления сходства объектов затруднено тем, что формулировки показателей очень короткие и традиционные показатели встречаемости (частотности) терминов становятся недостаточными. Кроме того, широкое распространение в экономической аналитике опросов и различных анкет подразумевает использование лингвистических оценок. Например, показатель «Уровень удовлетворенности потребителя» затруднительно оценить количественно, поэтому вместо условных баллов часто используют нечеткие значения «высокая», «средняя», «низкая». В результате целесообразным становится использование нечеткого варианта метода k-средних - метода Fuzzy k-means. обычно количество показателей экономического анализа велико, что делает целесообразным модификацию алгоритма с учетом параллельного выполнения. В ходе исследования решены задачи: модифицирован метод k-средних, адаптированный к особенностям объектов экономической аналитики; разработана методика предварительной обработки данных для кластеризации; разработаны новые варианты кластеризации объектов экономической аналитики и проведено экспериментальное исследование результативности разработанных методов для больших объемов данных.

Кластеризация, метод k-средних, экономический анализ, большие данные, распараллеливание.

2017_ 1

Рубрика: Искусственный интеллект

Тематика: Искусственный интеллект.


УДК 004.852

Седых Ирина Александровна, Липецкий государственный технический университет, кандидат физико-математических наук, окончила факультет автоматизации и информатики Липецкого государственного технического университета. Доцент кафедры высшей математики ЛГТУ. Имеет монографии, статьи, свидетельства о регистрации программ для ЭВМ в области окрестностного моделирования динамических систем. [e-mail: sedykh-irina@yandex.ru]И.А. Седых,

Демахин Дмитрий Сергеевич, Липецкий государственный технический университет, окончил физико-технологический факультет ЛГТУ. Магистрант ЛГТУ. Имеет статьи, свидетельства о регистрации программ для ЭВМ в области окрестностного моделирования динамических систем. [e-mail: dima-demahin@mail.ru]Д.С. Демахин

Гибкое управление светофорной системой перекрестка на основе нейронных сетей000_13.pdf

В статье описан традиционный алгоритм управления транспортными потоками на перекрестке с фиксированными порядком и продолжительностью включения светофоров. В качестве альтернативы предложен вариант управления светофорной группой транспортного перекрестка на основе использования нейронной сети. разработан и реализован в виде программы на языке C++ соответствующий алгоритм. описаны основные характеристики построенной нейронной сети управления светофорами перекрестка: архитектура, назначение нейронов входного и выходного слоев, количество нейронов промежуточного слоя, используемая функция активации нейронов, способ обучения. реализованный в программе алгоритм на основе нейронной сети позволяет осуществлять гибкое управление транспортными потоками на перекрестке, где очередность движения полос не является фиксированной. При этом предусмотрена и возможность варьирования времени работы зеленого сигнала в заданных пределах с целью увеличения пропускной способности перекрестка в более загруженных направлениях. Предусмотрены ограничения, не позволяющие блокировать отдельные потоки на слишком продолжительное время, в том числе долго запрещать движение пешеходов по переходам.

Светофорные системы, математическое моделирование, нейронные сети, управление транспортными потоками на перекрестке.

2017_ 1

Рубрика: Искусственный интеллект

Тематика: Искусственный интеллект.


УДК 004.93'1

Сулавко Алексей Евгеньевич, Омский государственный технический университет, кандидат технических наук, окончил факультет «Информационноуправляющие системы» Сибирской государственной автомобильно-дорожной академии. Старший преподаватель Омского государственного технического университета. Имеет более 50 научных статей в области биометрии и распознавания образов в системах информационной и производственной безопасности. [e-mail: sulavich@mail.ru]А.Е. Сулавко,

Еременко Александр Валериевич, Омский государственный университет путей сообщения, кандидат технических наук, окончил факультет «Информационноуправляющие системы» СибАДИ. Инженер-проектировщик Омского государственного университета путей сообщения. Имеет более 35 научных статей в области биометрии и распознавания образов в системах информационной и производственной безопасности. [e-mail: nexus-@mail.ru]А.В. Еременко,

Жумажанова Самал Сагидулловна, Омский государственный технический университет, окончила факультет «Информационно-управляющие системы» СибАДИ. Аспирант ОмГТУ. Имеет 7 научных статей в области биометрии и распознавания образов в системах информационной и производственной безопасности. [e-mail: samal_shumashanova@mail.ru]С.С. Жумажанова,

Бурая Екатерина Викторовна, УГАТУ, окончила Уфимский государственный авиационный технический университет. Аспирант УГАТУ. Имеет 5 научных статей по биометрии. [e-mail: burka-777@yandex.ru]Е.В. Бурая

Генерация ключевых последовательностей и верификация субъектов на основе двумерного изображения лица000_9.pdf

Рассматривается проблема защиты данных от неавторизованного доступа. Предлагается генерировать ключи-пароли на основе биометрических параметров лица для последующей аутентификации субъектов. рассмотрены различные подходы к выработке битовых последовательностей из биометрических данных: нечеткий экстрактор, нейросетевой преобразователь биометрия-код на базе сети персептронов, обученной по ГосТ р 52633.5-2011, использование сетей нейронов на базе метрики Пирсона. собрана база данных изображений лиц 70 субъектов. сформировано пространство 46 признаков лица. Произведена оценка вероятностей ошибок верификации субъектов по параметрам лица на основе рассмотренных подходов. По данным эксперимента нечеткие экстракторы работают хуже нейросетевых преобразователей биометрия-код, сети персептронов уступают в надежности генерируемого ключа сетям функционалов Пирсона. Достигнуты следующие результаты по генерации ключевых последовательностей: нечеткие экстракторы: FRR=0,032, FAR=0,014 при длине ключа 42 бита; сети персептронов: FRR=0,014, FAR=0,029 при длине ключа 100 бит; ПирсонаХемминга: FRR=0,0039, FAR=0,0022 при длине ключа 120 бит.

Физиологические параметры лица, нечеткий экстрактор, искусственные нейронные сети, преобразователь биометрия-код, сети квадратичных форм.

2017_ 1

Рубрика: Информационные системы

Тематика: Информационные системы, Искусственный интеллект.


УДК 681.3

Мошкин Вадим Сергеевич, Ульяновский государственный технический университет, ассистент кафедры «Информационные системы» Ульяновского государственного технического университета, окончил факультет информационных систем и технологий УлГТУ. Имеет более 40 статей в области интеллектуальных систем анализа данных. [e-mail: postforvadim@yandex.ru]В.С. Мошкин,

Пирогов Александр Николаевич, АО «Авиастар-СП», аспирант Института авиационных технологий и управления УлГТУ, начальник управления инвестиционных проектов АО «Авиастар-СП». [e-mail: anpirogov@icloud.com]А.Н. Пирогов,

Тимина Ирина Александровна, Ульяновский государственный технический университет, ассистент кафедры «Информационные системы» УлГТУ, окончила ФИСТ УлГТУ. Имеет работы в области интеллектуального анализа временных рядов. [e-mail: timina_i@mail.ru@ulstu.ru]И.А. Тимина,

Шишкин Вадим Викторинович, ИАТУ УлГТУ, кандидат технических наук, доцент, окончил радиотехнический факультет Ульяновского политехнического института. Директор ИАТУ УлГТУ. Имеет статьи в области интеллектуального анализа данных. [e-mail: shvv@ulstu.ru]В.В. Шишкин,

Ярушкина Надежда Глебовна, Ульяновский государственный технический университет, доктор технических наук, профессор, окончила радиотехнический факультет Ульяновского государственного технического университета. Первый проректор - проректор по научной работе УлГТУ. Имеет более 250 работ в области мягких вычислений, нечеткой логики, гибридных систем. [e-mail: jng@ulstu.ru]Н.Г. Ярушкина

Интеллектуальный анализ проектных и терминологических метрик в управлении проектами000_11.pdf

В данной статье рассмотрены особенности взаимодействия участников проектной деятельности на примере крупной проектной организации, а также предложена модель проектной деятельности на основе метрик систем контроля версий. В работе также рассматриваются направления применения предметных OWL-онтологий в проектной деятельности. Помимо этого, приводится пример использования онтологических структур при решении задач формирования унифицированного терминологического окружения проектной деятельности в области самолетостроения, предлагается модель предметной онтологии поточной линии сборки самолетов на примере сборки Ил-76МД- 90А. В работе представлены эксперименты по формированию единого терминологического базиса процесса проектирования посредством извлечения терминологии из учебно-методических материалов по соответствующей тематике в процессе разработки проектной документации для автоматизированной системы управления поточной линией сборки АО «Авиастар-СП».

Управление проектами, система контроля версий, предметная онтология, терминологическое пространство.

2016_ 4

Рубрика: Искусственный интеллект

Тематика: Искусственный интеллект.


УДК 004.89

Филиппов Алексей Александрович, Ульяновский государственный технический университет, кандидат технических наук, доцент кафедры «Информационные системы» Ульяновского государственного технического университета, окончил факультет информационных систем и технологий УлГТУ. Имеет статьи в области интеллектуальных систем хранения и обработки информации. [e-mail: al.filippov@ulstu.ru]А.А. Филиппов,

Водовозова Анастасия Владимировна, Ульяновский государственный технический университет, магистрант кафедры «Информационные системы» УлГТУ, окончила факультет информационных систем и технологий УлГТУ. Имеет статьи в области интеллектуальных систем хранения и обработки информации. [e-mail: nastyavodovozova@mail.ru]А.В. Водовозова,

Макарова Светлана Александровна, Ульяновский государственный технический университет, магистрант кафедры «Информационные системы» УлГТУ, окончила факультет информационных систем и технологий УлГТУ. Имеет статьи в области интеллектуальных систем хранения и обработки информации. [e-mail: makarovasvetlana2025@gmail.com]С.А. Макарова,

Шалаев Денис Олегович, Ульяновский государственный технический университет, магистрант кафедры «Информационные системы» УлГТУ, окончил факультет информационных систем и технологий УлГТУ. Имеет статьи в области интеллектуальных систем хранения и обработки информации. [e-mail: melges@post.ru]Д.О. Шалаев

Построение нечеткой предметной базы знаний на основе анализа контекстов000_12.pdf

В статье представлена модель онтологии нечеткой предметной базы знаний (БЗ), позволяющая описать проблемную область (ПрО) с учетом многообразия ее контекстов. Под контекстом ПрО понимается состояние содержимого БЗ, которое может быть сформировано из множества состояний онтологии, полученного в результате версионирования либо формирования содержимого БЗ с различных точек зрения («point of view»). Также описано применение онтологического подхода для интеграции гетерогенных корпоративных информационных ресурсов. В качестве корпоративных информационных ресурсов рассматриваются крупные корпусы специализированных текстов, непосредственно связанные с ПрО, и различные виды корпоративных БЗ в виде внутренних сайтов и wiki-ресурсов.

База знаний, корпоративные информационные ресурсы, онтология, контекст, проблемная область.

2016_ 4

Рубрика: Искусственный интеллект

Тематика: Искусственный интеллект.


УДК 681.3

Филиппов Алексей Александрович , Ульяновский государственный технический университет, кандидат технических наук, доцент кафедры «Информационные системы» Ульяновского государственного технического университета, окончил факультет информационных систем и технологий УлГТУ. Имеет статьи в области интеллектуальных систем хранения и обработки информации. [e-mail: al.filippov@ulstu.ru]А.А. Филиппов,

Шалаев Денис Олегович , Ульяновский государственный технический университет, магистрант кафедры «Информационные системы» УлГТУ, окончил факультет информационных систем и технологий УлГТУ. Имеет статьи в области интеллектуальных систем хранения и обработки информации. [e-mail: melges@post.ru]Д.О. Шалаев,

Шеркунов Вячеслав Владимирович , Ульяновский государственный технический университет, аспирант кафедры «Информационные системы» УлГТУ, окончил факультет информационных систем и технологий УлГТУ. Имеет статьи в области интеллектуальных систем хранения и обработки информации. [e-mail: al.filippov@ulstu.ru]В.В. Шеркунов

Реализация веб-ориентированной системы анализа электронного архива технических документов на основе онтологии000_7.pdf

В статье содержится описание и результаты экспериментов с веб-ориентированной системой формирования навигационной структуры электронного архива (ЭА) технических документов (ТД) на основе онтологических моделей. Предварительное индексирование документов выполняется с целью получения онтологических представлений. Онтология предметной области проектной организации представлена в формате OWL. Основными функциями данной системы являются: получение и хранение онтологических представлений ТД, а также формирование навигационной структуры ЭА с целью нахождения множества документов, схожих в семантическом смысле с определенным документом, представляющим интерес для проектировщика. Для хранения онтологии предметной области и онтологических представлений ТД используется графовая база данных Neo4j, взаимодействие с форматом OWL осуществляется с помощью библиотеки OWL API. Система реализована на платформе Java Enterprise Edition.

Интеллектуальная система, структуризация, онтология, навигационная структура, электронный архив, техническая документация.

2015_ 4

Рубрика: Информационные системы

Тематика: Информационные системы, Искусственный интеллект.


УДК 519.23

Алексеева Венера Арифзяновна, Ульяновский государственный технический университет, кандидат технических наук, окончила экономико-математический факультет Ульяновского государственного технического университета. Доцент кафедры «Прикладная математика и информатика» Ульяновского государственного технического университета. Имеет научные труды в области статистических методов. [e-mail: v.a.alekseeva@bk.ru]В.А. Алексеева

Использование методов машинного обучения в задачах бинарной классификации000_7.pdf

В статье рассматривается задача бинарной классификации объектов, для решения которой предлагается использование методов машинного обучения. Машинное обучение - подраздел искусственного интеллекта, математическая дисциплина, использующая разделы математической статистики, численных методов оптимизации, теории вероятностей, дискретного анализа. Целью машинного обучения является частичная или полная автоматизация решения сложных профессиональных задач в самых разных областях человеческой деятельности, таких как обнаружение объектов, распознавание речи, образов, медицинская диагностика, диагностика технических объектов и т.д. В статье для бинарной классификации объектов предлагается использовать следующие методы: деревья решений, нейронные сети, дискриминантный анализ, байесовский классификатор, метод опорных векторов, логистическая регрессия, бэггинг деревьев решений, метод эмпирической функции (МЭФ) и нечеткий логический вывод на базе модели Сугэно. Эффективность классификации оценивается с помощью ряда характеристик: среднеквадратической ошибки, ROC-кривой, показателя AUC и т.д. Для повышения точности прогнозирования классов объектов предлагается провести сравнительный анализ эффективности рассматриваемых методов при различных порогах отсечения. Также предлагается использование комбинации моделей, так называемого агрегированного классификатора.

Бинарная классификация, машинное обучение, агрегированный классификатор, порог отсечения.

2015_ 3

Рубрика: Математическое моделирование

Тематика: Математическое моделирование, Автоматизированные системы управления , Архитектура корабельных систем , Искусственный интеллект.


УДК 519.226

Крашенинников Виктор Ростиславович, Ульяновскийгосударственный технический университет, доктор технических наук, профессор, окончил Казанский государственный университет. Заведующий кафедрой «Прикладная математика и информатика» Ульяновского государственного технического университета. Имеет работы по статистическим методам обработки сигналов и изображений. [e-mail: kvrulstu@mail.ru]В.Р. Крашенинников

Псевдофизический подход к совмещению и распознаванию групповых точечных объектов000_8.pdf

Рассматриваются групповые точечные объекты (ГТО), то есть двух- или трехмерные бинарные изображения, состоящие из точек, например, созвездия, характерные точки тела, отметки на поверхности Земли или моря. Задача совмещения и распознавания таких объектов возникает в навигации, робототехнике, диагностике по медицинским изображениям и т. д. В данной работе предлагается для совмещения и распознавания ГТО представлять их как системы материальных точек. При этом два ГТО сближаются под действием гравитационного притяжения, то есть происходит их совмещение. При таком представлении ГТО также возможно их совмещение с использованием механических свойств: центра тяжести и моментов инерции. Степень совмещения ГТО зависит от того, насколько они близки по форме, что дает возможность их распознавания - распознаваемый ГТО относится к эталону, с которым произошло наилучшее совмещение.

Групповой точечный объект, бинарное изображение, совмещение, распознавание, гравитация, центр тяжести, момент инерции.

2015_ 3

Рубрика: Математическое моделирование

Тематика: Математическое моделирование, Автоматизированные системы управления , Архитектура корабельных систем , Искусственный интеллект.


УДК 621.377

Иванов Александр Куприянович, ФНПЦ АО «НПО «Марс», доктор технических наук, заслуженный деятель науки и техники Ульяновской области, окончил физический факультет Иркутского государственного университета, аспирантуру Московского высшего технического училища им. Н.Э. Баумана, докторантуру Ульяновского государственного технического университета. Главный научный сотрудник ФНПЦ АО «НПО «Марс». Имеет монографии, учебное пособие, статьи в области математического моделирования иерархических АСУ реального времени. [e-mail: mars@mv.ru]А.К. Иванов

Автоматизированная оценка угрозы проведения терактов000_1.pdf

Рассмотрена возможность использования в автоматизированной системе противодействия преступлениям террористической направленности экспертных систем для анализа признаков подготовки террористических актов и автоматизированной оценки уровня угрозы. Представлен перечень признаков подготовки террористических актов, содержащих информацию о фактах подготовки, объектах воздействия и времени проведения. Предложены модели формирования базы знаний экспертной системы, включающие генерацию случайным образом комбинации значений признаков и соответствующие им оценки угроз, установленные заблаговременно опытными экспертами. Автоматизация оценки угрозы для реальной обстановки производится путем сравнения значений текущих признаков со значениями признаков в базе знаний и представления пользователю наиболее близких вариантов. Приведен алгоритм использования экспертной работы в оперативной работе для оценки реальной угрозы в сложившейся обстановке, а также для расширения базы знаний и учебно-тренировочных занятий.

Автоматизированная система, экспертные системы, базы знаний, оперативно-розыскная деятельность, террористические угрозы.

2015_ 2

Рубрика: Автоматизированные системы управления

Тематика: Автоматизированные системы управления, Искусственный интеллект.



УДК 681.142.33:681.14

Агеев Сергей Александрович , ОАО «НИИ «Нептун», кандидат технических наук, доцент, окончил радиотехнический факультет Ульяновского политехнического института. Начальник научно-технического центра ОАО «НИИ «Нептун», г. Санкт-Петербург. Специализируется в области проектирования телекоммуникационных систем. Имеет статьи, патенты в области систем передачи данных. [e-mail: serg123_61@mail.ru]С.А. Агеев

Методы интеллектуального анализа данных для управления рисками информационной безопасности в защищенных мультисервисных сетях специального назначения000_4.pdf

В статье предложены методы интеллектуального анализа данных, используемые для управления рисками информационных угроз элементам защищенных мультисервисных сетей специального назначения (ЗМС СН). Обосновывается, что скоротечность процессов в ЗМС СН, их многообразие, неточность и неполнота, а также большая размерность априорных данных о сетевых элементах приводят к необходимости применения интеллектуальных методов обработки данных и управления. Проведен анализ факторов, влияющих на время цикла управления информационной безопасностью (ИБ) ЗМС СН, предложена единая метрика оценки угроз информационной безопасности элементов ЗМС СН. Разработана единая математическая модель процедур кластеризации, классификации и ранжирования угроз ИБ, определены критерии качества их функционирования. Представлены результаты исследования этой математической модели. Сформулированы правила оценки степени угроз ЗМС СН. Приведен анализ полученных результатов математического моделирования, и приведены рекомендации их практического применения. Показывается, что применение подобных методов и алгоритмов совместно с технологией интеллектуальных агентов позволяет существенно повысить оперативность управления ИБ ЗМС СН. Определены направления дальнейших исследований в данной предметной области.

Защищенная мультисервисная сеть, оперативность управления, модель tmn, математическая модель, интеллектуальное управление, нечеткий логический вывод, база знаний, функция принадлежности, нечеткие данные, лингвистическая переменная.

2015_ 2

Рубрика: Информационные системы

Тематика: Информационные системы, Математическое моделирование, Искусственный интеллект.


УДК 681.3

Андреев Илья Алексеевич, Ульяновский государственный технический университет, студент факультета информационных систем и технологий Ульяновского государственного технического университета. Опубликовано несколько статей в области извлечения информации из текста. [e-mail: ares-ilya@yandex.ru]И.А. Андреев,

Башаев Виталий Александрович, Ульяновский государственный университет, аспирант, окончил факультет лингвистики и международного сотрудничества Ульяновского государственного университета. Имеет статьи в области извлечения информации из текста. [e-mail: perevod73@yandex.ru]В.А. Башаев,

Клейн Виктор Викторович, УлГТУ, студент факультета информационных систем и технологий УлГТУ. Опубликовано несколько статей в области извлечения информации из текста. [e-mail: vikklein93@gmail.com]В.В. Клейн,

Мошкин Вадим Сергеевич, УлГТУ, аспирант кафедры «Информационные системы» УлГТУ, окончил факультет информационных систем и технологий УлГТУ. Имеет статьи в области интеллектуальных систем анализа данных. [e-mail: postforvadim@yandex.ru]В.С. Мошкин,

Ярушкина Надежда Глебовна, УлГТУ, доктор технических наук, профессор, заведующая кафедрой «Информационные системы» УлГТУ. Имеет более 250 научных работ в области мягких вычислений, нечеткой логики, гибридных систем. [e-mail: jng@ulstu.ru]Н.Г. Ярушкина

Семантическая метрика терминологичности на основе онтологии предметной области38_10.pdf

В данной статье описана семантическая метрика извлечения списка терминов из текстов конкретной проблемной области, основанная на анализе ее онтологии. Представлена формальная модель используемой OWL-онтологии, а также модели и алгоритмы оценки степени терминологичности слов или сочетаний слов текстовых массивов.Помимо этого, приведены метрики оценки результатов работы представленных семантических алгоритмов, а также рассмотрена реализация формальных моделей представления знаний предметной области в онтологической форме и разработанных алгоритмов в программной системе извлечения терминологии из текста.В заключении приведены результаты вычислительных экспериментов по извлечению терминов на основе онтологии эксплуатации токарно-фрезерного станка с числовым программным управлением (ЧПУ) из набора текстов соответствующей предметной области, а также подведены итоги проведенных исследований, выявлены наиболее эффективные алгоритмы оценки терминологичности слов/сочетаний слов и рассмотрена перспектива дальнейших научных изысканий в этой области.

Извлечение терминов, семантическая метрика, онтология.

2014_ 4

Рубрика: Искусственный интелект

Тематика: Искусственный интеллект.


УДК 681.3

Субхангулов Руслан Айратович, УлГТУ, аспирант кафедры «Информационные системы» УлГТУ, окончил факультет информационных систем и технологий УлГТУ. Имеет статьи в области интеллектуальных систем хранения и обработки информации. [e-mail: subkhangulov-ruslan@yandex.ru]Р.А. Субхангулов

Онтологический поиск технических документов на основе модели интеллектуального агента38_11.pdf

В статье рассматривается моделирование интеллектуальных агентов для формирования информационных запросов к электронному архиву технических документов. Интеллектуальный агент содержит онтологическое описание профиля проектировщика, которое выражается в виде фрагмента онтологии предметной области. Фактически интеллектуальный агент обладает информацией о предпочтениях пользователя электронного архива. Данная информация имеет концептуальное представление и динамически изменяется в зависимости от изменения потребностей пользователя. Профиль проектировщика пополняется концептами предметной области из Википедии, и таким образом происходит расширение прикладной онтологии в автономном режиме. Опираясь на профиль пользователя, интеллектуальный агент более эффективно решает задачу информационного поиска технических документов. В основе алгоритма информационного поиска используется онтологическая модель, для которой пользовательский запрос и технический документ представляются как нечеткое множество концептов. Задачами интеллектуального агента являются: пополнение информации о пользовательских потребностях в профиль проектировщика, преобразование пользовательского запроса к концептуальному виду и нахождение текстовых документов по запросу пользователя электронного архива. В процессе исследовательской работы были разработаны подсистемы онтологического поиска и автоматического формирования концептуальной сети для онтологии. С данными подсистемами были проведены вычислительные эксперименты, которые доказывают эффективность реализованных подходов.

Интеллектуальная система, онтология, интеллектуальный агент, информационный поиск.

2014_ 4

Рубрика: Искусственный интелект

Тематика: Искусственный интеллект.


УДК 004.8

Афанасьева Татьяна Васильевна, Ульяновский государственный технический университет, доктор технических наук, окончила радиотехнический факультет Ульяновского политехнического института, профессор кафедры «Информационные системы» Ульяновского государственного технического университета. Имеет книги и статьи в области интеллектуального анализа временных рядов. [e-mail: tv.afanasjeva@gmail.com]Т.В. Афанасьева

Прогнозирование локальных тенденций временных рядов в задачах анализа больших данных38_5.pdf

Согласно прогнозам в области информационных технологий (ИТ), рост объемов хранимых данных, получаемых из различных источников, будет удваиваться каждые два года вплоть до 2020 года. Данная тенденция будет сохраняться в условиях увеличения данных, генерируемых в OLTP-системах, в социальных сетях и устройствами при взаимном обмене информацией при интенсивном развитии технологий хранилищ данных, «облачных вычислений», «интернета вещей» и «цифрового производства». Все это порождает большой интерес к проблеме анализа и обработки больших данных (Big Data) как со стороны бизнеса, так и со стороны научного сообщества. Технология аналитических OLAP-систем для анализа больших данных, сфокусированная на обеспечении визуализации многомерных данных и формировании интерактивных отчетов, является одной из самых востребованных в системах поддержки принятия решений и в системах класса Business intelligence. Перспективной технологией в области анализа, дополняющей возможности OLAP-систем и нацеленной на выявление скрытых закономерностей в больших данных, является технология интеллектуального анализа данных (ИАД). К наиболее важным задачам ИАД для больших данных безусловно следует отнести прогнозирование. В настоящей статье рассматриваются научные основы методологии прогнозирования локальных тенденций как нечетких тенденций для одномерных временных рядов (ВР) (числовых и нечисловых), приводимых к нечетким временным рядам (НВР). Решение указанной задачи интересно и в теоретическом, и в практическом аспекте. Известно, что модели НВР хорошо себя зарекомендовали себя для ВР небольшой длины, а для длинных ВР требуют больших вычислительных затрат. В статье предложен k-trend алгоритм для извлечения локальных тенденций из больших данных, рассматриваемых в виде ВР, приведены модели ВР в терминах нечетких локальных тенденций. Показан эффект от применения предложенного подхода, выраженный в значительном сокращении вычислительных затрат при применении моделей НВР.

Большие данные, нечеткие модели, временные ряды, локальные тенденции, прогнозирование.

2014_ 4

Рубрика: Математическое моделирование

Тематика: Математическое моделирование, Автоматизированные системы управления , Искусственный интеллект.


УДК 681.142.33:681.14

Агеев Сергей Александрович, Военная академия связи, кандидат технических наук, доцент, докторант Военной академии связи, г. Санкт-Петербург. Окончил радиотехнический факультет Ульяновского политехнического института. Специализируется в области проектирования телекоммуникационных систем. Имеет статьи, патенты в области систем передачи данных. [e-mail: serg123_61@mail.r]С.А. Агеев,

Саенко Игорь Борисович, СПИИРАН, доктор технических наук, профессор. Окончил Военную академию связи, адъюнктуру и докторантуру там же. Профессор СПИИРАН, г. Санкт-Петербург. Специализируется в области создания и разработки информационно-управляющих систем. Имеет в этой области монографии, статьи и патенты. [e-mail: ibsaen@mail.ru]И.Б. Саенко,

Егоров Юрий Петрович, ФНПЦ ОАО «НПО «Марс», доктор технических наук, профессор, окончил радиотехнический факультет Ленинградского высшего инженерного морского училища им. адмирала С.О. Макарова. Главный научный сотрудник ФНПЦ ОАО «НПО «Марс», г. Ульяновск. Специализируется в области макропроектирования больших информационно-управляющих систем. Имеет монографии, статьи, патенты в области проектирования автоматизированных систем управления войсками. [e-mail: yupe@mail.ru]Ю.П. Егоров,

Гладких Анатолий Афанасьевич, Ульяновский государственный технический университет, кандидат технических наук, профессор кафедры «Телекоммуникации» УлГТУ, г. Ульяновск. Окончил Военную академию связи, адъюнктуру там же. Специализируется в области синтеза сигнально-кодовых конструкций, помехоустойчивого кодирования в телекоммуникационных системах. Имеет публикации и патенты в этой предметной области. [e-mail: a_gladkikh@mail.ru]А.А. Гладких,

Богданов Александр Валентинович, научно-исследовательский центр ВАС им. С.М. Буденного, кандидат военных наук, доцент, заместитель начальника научноисследовательского центра ВАС им. С.М. Буденного. Окончил Военную академию связи и адъюнктуру там же. Специализируется в области создания и разработки информационно-управляющих систем управления связью. Имеет публикации и патенты в этой предметной области. [e-mail: bog-saha@yandex.ru]А.В. Богданов

Интеллектуальное иерархическое управление рисками информационной безопасности в защищенных мультисервисных сетях специального назначения37_10.pdf

Рассматриваются основные подходы построения интеллектуальных методов и алгоритмов, синтезированных на их основе, оценки и управления рисками информационной безопасности защищенных мультисервисных сетей. Основным направлением совершенствования таких сетевых структур является повышение оперативности цикла управления, достоверности управления и своевременности реагирования на внешние деструктивные воздействия на сеть. Показано, что многообразие, разнородность, неполнота, большая размерность и неточность исходных данных, используемых в задачах управления безопасностью сети, предопределяют необходимость использования средств и методов искусственного интеллекта, в частности, построения прогнозных оценок, формируемых экспертом, которые формализуются как нечеткие множества. Разработаны и обоснованы иерархические взаимодействия задач управления в рамках этой модели. Представлены концептуальные положения интеллектуального управления рисками информационной безопасности сети, разработана структура интеллектуального мультиагента для оценки рисков сетевых угроз, а также разработаны алгоритмы их функционирования. Приведены результаты исследования численного математического моделирования функционирования интеллектуальных мультиагентов в части оценки угроз информационной сетевой безопасности сети.

Телематические сетевые услуги, модель tmn, интеллектуальное управление, нечеткий логический вывод, база знаний, лингвистическая переменная.

2014_ 3

Рубрика: Искусственный интелект

Тематика: Искусственный интеллект, Автоматизированные системы управления , Архитектура корабельных систем .


УДК 629.01; 004.8

Черный Сергей Григорьевич, Керченский государственный морской технологический университет, кандидат технических наук, окончил Херсонский национальный технический университет. Доцент кафедры «Электрооборудование судов и автоматизация производства» Керченского государственного морского технологического университета. Имеет публикации в сфере экспертных систем. [e-mail: sergiiblack@gmail.com]С.Г. Черный,

Доровской Владимир Алексеевич, Керченский государственный морской технологический университет, доктор технических наук, окончил Криворожский горный университет. Профессор кафедры «Электрооборудование судов и автоматизация производства» Керченского государственного морского технологического университета. Имеет более 100 статей, 5 монографий. [e-mail: dora1943@mail.ru]В.А. Доровской

Модель оптимизации нечетких процессов принятия решений диагностики морского оборудования37_11.pdf

Изложены принципы оптимизации нечетких процессов в принятии решений диагностики оборудования при добыче полезных ископаемых со дна моря. Разработаны модели оптимизации многокритериальных задач принятия решений с нечеткими целями, которые описаны следующими элементами: множеством допустимых альтернатив; множеством всех возможных результатов, оценок альтернатив; функцией критерия, устанавливающей связь между альтернативами и их оценками; функциями принадлежности. Приведены правила для единообразного управления всеми метаданными по источникам данных, целевым схемам, манипулированиям, скриптам и т. д., которые используют репозитарий на основе систем управления базами данных. Приведены интегрированные данные анализа процесса на примере таблиц данных. Представлена модель показателей и факторов в виде визуализированного образа, спроектированного в Curve Fitting Toolbox. Представлены способы выделения частных критериев отдельных подсистем, которые позволяют учитывать, с необходимой степенью детализации, характер взаимосвязей и взаимодействий отдельных параметров детализации, характер взаимосвязей и взаимодействий отдельных параметров системы управления сложной глубоководной системы.

Оптимизация, принятие решений, диагностика, полезные ископаемые, многокритериальность.

2014_ 3

Рубрика: Искусственный интелект

Тематика: Искусственный интеллект, Архитектура корабельных систем .


УДК 681.5.01

Норсеев Сергей Александрович, Ковровская государственная технологическая академия им. В.А. Дегтярева, аспирант кафедры «Приборостроение» Ковровской государственной технологической академии им. В.А. Дегтярева. Имеет статьи в области группового управления роботами. [e-mail: norseev@gmail.com]С.А. Норсеев,

Багаев Дмитрий Викторович, Ковровская государственная технологическая академия им. В.А. Дегтярева, кандидат технических наук, доцент кафедры «Приборостроение» Ковровской государственной технологической академии им. В.А. Дегтярева. Имеет статьи, монографии в области системного анализа информационных систем в робототехнике. [e-mail: dmitrybag@gmail.com]Д.В. Багаев

Разработка алгоритма распределенного исследования неизвестной местности с помощью группы мобильных роботов36_10.pdf

В данной статье рассматривается задача исследования неизвестной местности группой мобильных роботов. Осуществляется формальная постановка задачи исследования неизвестной местности с помощью группы мобильных роботов. Описывается метод разбиения исследуемой области на зоны, учитывающий ограниченность возможностей систем машинного зрения отдельных роботов и произвольную геометрическую форму области. Предлагается алгоритм исследования неизвестной области группой мобильных роботов, учитывающий возможное наличие в исследуемой области препятствий произвольной формы и размеров и обеспечивающий обнаружение в исследуемой области чужеродного объекта, требующего специальных действий от роботов. Предлагаемый алгоритм учитывает ограниченность возможностей систем машинного зрения и произвольную геометрическую форму области.Проведенное в рамках данной работы программное моделирование распределенной робототехнической системы, функционирующей на основе предлагаемого алгоритма, показало применимость предлагаемого алгоритма для решения задачи распределенного исследования неизвестной местности. В работе приводится архитектура приложения, использовавшегося для моделирования описанной робототехнической системы.

Робототехника, групповое управление, алгоритмы.

2014_ 2

Рубрика: Искусственный интелект

Тематика: Искусственный интеллект, Математическое моделирование.


УДК 004.051

Савотченко Сергей Евгеньевич, Белгородский институт развития образования, доктор физико-математических наук, доцент, окончил физический факультет Харьковского государственного университета, в настоящее время профессор кафедры «Информационные технологии» Белгородского института развития образования. Имеет статьи в области математического моделирования, информационных технологий и автоматизированных информационных систем. [e-mail: savotchenko@hotbox.ru]С.Е. Савотченко,

Стукалов Вадим Андреевич, Белгородский государственный институт искусств и культуры, окончил Белгородский государственный университет, аспирант кафедры «Библиотековедение, библиографоведение и книговедение» Белгородского государственного института искусств и культуры. Имеет статьи в области автоматизированных библиотечных информационных систем. [e-mail: svadglo@gmail.com]В.А. Стукалов,

Проскурина Елена Александровна, Белгородский государственный институт искусств и культуры, окончила Белгородский государственный институт искусств и культуры, аспирантка кафедры «Библиотековедение, библиографоведение и книговедение» Белгородского государственного института искусств и культуры. Имеет статьи в области автоматизированных библиотечных информационных систем. [e-mail: pea@bgiik.ru]Е.А. Проскурина

Динамика семантической меры результатов поисковых запросов36_11.pdf

В работе приведены результаты исследования изменения с течением времени характеристик качества информационного поиска на примере пяти поисковых систем глобальной сети. Для выявления возможности выдавать автоматизированными поисковыми системами пертинентные документы при простой форме поиска были рассчитаны реализации семантической меры и парциальной семантической меры результатов поисковых запросов понятия. Для анализа устойчивости с течением времени результатов информационного поиска в работе использовались количественные показатели, характеризующие выполнение последовательности условно нормализованных запросов. Определена методика проведения исследований, позволяющих зафиксировать динамику семантической меры результатов запросов к автоматизированным поисковым информационным системам. В статье приводится динамика показателей полноты семантических связей и семантической меры поисковой выдачи систем информационного поиска yandex.ru, rambler.ru, nigma.ru, qip.ru, mail.ru. На основании реализаций траекторий случайных зависимостей семантической меры и парциальной меры рассчитаны средние по времени наблюдений значения. Анализ вариативности значений парциальной меры как функции веса показал, что среди обследованных информационно-поисковых систем mail.ru обладает в определенной степени возможностью проведения пертинентного поиска.

Дескриптор, информационный поиск, семантические связи, парадигматические отношения, информационно-поисковые системы.

2014_ 2

Рубрика: Искусственный интелект

Тематика: Искусственный интеллект.


УДК 681.3

Мошкин Вадим Сергеевич, Ульяновский государственный технический университет, аспирант кафедры «Информационные системы» Ульяновского государственного технического университета, окончил факультет информационных систем и технологий УлГТУ. Имеет статьи в области интеллектуальных систем анализа данных. [e-mail: postforvadim@yandex.ru]В.С. Мошкин,

Ярушкина Надежда Глебовна, УлГТУ, доктор технических наук, профессор, заведующая кафедрой «Информационные системы» УлГТУ. Имеет более 250 научных работ в области мягких вычислений, нечеткой логики, гибридных систем. [e-mail: jng@ulstu.ru]Н.Г. Ярушкина

Система онтологического анализа временных рядов36_12.pdf

В данной статье описан семантический подход к анализу временных рядов (ВР) на примере показателей состояния локальной вычислительной сети (ЛВС) посредством использования онтологии проблемной области. Представлены формальная модель OWL-онтологии рассматриваемой предметной области, онтологическая модель представления набора продукций и алгоритм логического вывода рекомендаций по корректировке архитектуры ЛВС в процессе оценки ее состояния при искусственном повышении трафика. В данной работе решена задача объединения различных подходов представления экспертных знаний посредством интеграции знаний продукционного характера в онтологическую модель с использованием SWRL-правил. Помимо этого, рассмотрена реализация данного алгоритма в программной системе анализа ВР TSAnalyzer.В статье приведены результаты вычислительных экспериментов по моделированию состояния ЛВС при искусственном повышении трафика на примере локальной сети Центра разработки электронных мультимедиа технологий (ЦРЭМТ) УлГТУ, а также подведены итоги проведенных исследований и оценена перспектива дальнейших научных изысканий в этой области.

Онтология, временные ряды, интеллектуальный анализ данных, семантика.

2014_ 2

Рубрика: Искусственный интелект

Тематика: Искусственный интеллект, Автоматизированные системы управления .


© ФНПЦ АО "НПО "Марс", 2009-2018 Работает на Joomla!