ISSN 1991-2927
 

АПУ № 4 (54) 2018

Автор: "Афанасьева Татьяна Васильевна"

УДК 004.67

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

Сибирев Иван Валерьевич, Ульяновский государственный технический университет , аспирант кафедры «Информационные системы» УлГТУ, окончил экономико-математический факультет УлГТУ. Имеет статьи в области нечетких методов многомерного статистического анализа. [e-mail: ivan.sibirev@yandex.ru]И.В. Сибирев,

Заварзин Денис Валерьевич, Ульяновский государственный технический университет , аспирант кафедры «Информационные системы» УлГТУ, окончил факультет информационных систем и технологий УлГТУ. Имеет работы в области нечеткого моделирования и анализа аномалий временных рядов. [e-mail: dzavarzin@gmail.com]Д.В. Заварзин

Применение нечетких моделей в анализе процессов в организационно-технических системах51_11.pdf

В статье рассматривается применение нечетких моделей к анализу процессов организационно-технических систем. При этом основной целью анализа является формирование групп схожих процессов. Для группировки процессов они рассматриваются в виде дискретных временных рядов. Традиционные методы кластеризации временных рядов на основе поточечной кластеризации, на основе признаков или моделей не учитывают характер поведения временных рядов, что снижает информативность и качество кластеризации. Для устранения этого недостатка предложен алгоритм кластеризации, основанный на нечётком подходе, названный Fuzzy Behavior Clustering (FBC-подход). В предлагаемом подходе кластеризации временных рядов используется представление поведения временных рядов на трех уровнях иерархии (на уровне общей тенденции, уровне параметров ряда и на уровне значений). Поведение временных рядов на уровне основной тенденции описывается с помощью лингвистических термов. В основе FBC-подхода лежат нечеткое представление временных рядов и алгоритм формирования лингвистической оценки основной тенденции. В статье описано применение FBC-подхода для анализа и кластеризации временных рядов динамики KPI разработчиков ИТ-проектов на основе данных из репозитория.

Комбинированная кластеризация временных рядов, лингвистические термы, извлечение нечётких тенденций временных рядов.

2018_ 1

Рубрика: Системы автоматизации проектирования

Тематика: 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 004.8

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

Сапунков Алексей Андреевич, Ульяновский государственный технический университет, аспирант кафедры «Информационные системы» УлГТУ, окончил факультет информационных систем и технологий УлГТУ. Имеет работы в области интеллектуального анализа временных рядов. [e-mail: sapalks@gmail.com]А.А. Сапунков,

Заварзин Денис Валерьевич, Ульяновский государственный технический университет, аспирант кафедры «Информационные системы» УлГТУ, окончил факультет информационных систем и технологий УлГТУ. Имеет работы в области интеллектуального анализа временных рядов. [e-mail: dzavarzin91@gmail.com]Д.В. Заварзин

Применение алгоритма кластеризации k-means для улучшения темпоральной статистики просмотра коммерческих предложений000_6.pdf

Аномалии рассматриваются как нетипичные и редко встречающиеся значения, значительно искажающие данные. Обычно такие значения приводят к неточным результатам в процессе анализа данных, поэтому они должны быть удалены. В статье предлагается применение метода кластеризации k-means для решения практической задачи по обработке данных для отображения темпоральной статистики в секторе b2b. Предметной областью и источником данных является сервис отправки и трекинга коммерческих предложений B2BFamily. В статье предлагается удалять аномалии и отображать более адекватную темпоральную статистику о среднем времени просмотра слайда коммерческого предложения. Это поможет менеджеру по продажам корректировать стратегию общения с клиентами. В заключении обсуждаются полученные результаты и дальнейшие тенденции развития данного исследования.

Кластеризация, аномалии, алгоритм кластеризации k-means, обнаружение и удаление аномалий.

2016_ 4

Рубрика: Математическое моделирование

Тематика: Математическое моделирование.


УДК 004.8

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

Сапунков Алексей Андреевич , Ульяновский государственный технический университет, аспирант кафедры «Информационные системы» УлГТУ, окончил факультет информационных систем и технологий УлГТУ. Имеет работы в области интеллектуального анализа временных рядов. [e-mail: sapalks@gmail.com]А.А. Сапунков,

Тонерян Мкртыч Саркисович , Ульяновский государственный технический университет, аспирант кафедры «Информационные системы» УлГТУ, окончил факультет информационных систем и технологий УлГТУ. Имеет работы в области интеллектуального анализа временных рядов. [e-mail: mkr73@yandex.ru]М.С. Тонерян

Двухступенчатый алгоритм выбора нечеткой модели для прогнозирования временных рядов000_8.pdf

В статье предлагается двухступенчатый алгоритм выбора наилучшей модели прогнозирования временного ряда (ВР), основанный на анализе адекватности модели по поведению и точности. В качестве набора для тестирования алгоритма были использованы ВР, предоставленные на международном соревновании по прогнозированию ВР 2015 года в рамках конференции IFAS-EUSLAT(International Time Series Forecasting Competition [http://irafm.osu.cz/cif/main.php]). База данных данного соревнования состояла из 91 числового ВР разных длин, тенденции и частоты снятия данных. Значения ВР отражали динамику показателей, полученных из банковской сферы, социальных сетей и медицины. Для прогнозирования ВР применялись три модели, основанные на понятии нечеткого ВР. Чтобы определить лучшую модель был предложен двухэтапный алгоритм, основанный на сравнении тенденций ВР и модели. Также в алгоритме используются новые критерии качества в дополнение к уже известным. В заключении обсуждаются полученные результаты и демонстрируется эффективность предлагаемого алгоритма.

Нечеткие тенденции, нечеткие временные ряды, прогнозирование, лингвистическое описание.

2015_ 4

Рубрика: Информационные системы

Тематика: Информационные системы.


УДК 004.942

Ярушкина Надежда Глебовна, Ульяновский государственный технический университет, доктор технических наук, профессор, первый проректор - проректор по научной работе Ульяновского государственного технического университета. Окончила радиотехнический факультет Ульяновского государственного технического университета. Имеет более 250 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, заместитель заведующего кафедрой “Информационные системы” УлГТУ. Окончила радиотехнический факультет Ульяновского государственного технического университета. Имеет статьи и монографии в области интеллектуального анализа временных рядов. [e-mail: tv.afanasjeva@gmail.com]Т.В. Афанасьева,

Наместников Алексей Михайлович, Ульяновский государственный технический университет, кандидат технических наук, доцент, доцент кафедры “Информационные системы” УлГТУ. Окончил радиотехнический факультет Ульяновского государственного технического университета. Имеет статьи и монографию в области интеллектуальных систем обработки и хранения информации. [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. Имеет работы в области интеллектуального анализа временных рядов. [e-mail: guskovgleb@gmail.com]Г.Ю. Гуськов

Интеграция нечетко-гранулярных и онтологических методов в задаче анализа временных рядов000_8.pdf

Для решения проблемы анализа нечетких тенденций временных рядов (ВР) были разработаны теоретические и методологические основы нечетко-гранулярного моделирования и предложена их практическая реализация в виде комплекса программ, что позволило получить решение ряда прикладных задач. Нечетко-гранулярное представление временного ряда включает в себя пять уровней грануляции: от гранулы числового значения до гранулы основной тенденции. Для интерпретации результатов анализа временных рядов предложено использовать нечеткие онтологии проблемной области. Базис онтологии основывается на модели RDF, предполагающей определение классов, экземпляров, онтологических отношений и ограничений. Логический вывод рекомендации осуществляется на основе взаимодействия нечеткой OWL-онтологии и системы продукционных SWRL-правил. В работе рассмотрены возможности интеграции нескольких методов прогнозирования временных рядов и соответствующие агрегирующие показатели. Приведенная в данной статье интеграция методов анализа временных рядов и онтологического анализа показывает конкурентоспособность моделей нечетких тенденций, основанных на взаимном усилении онтологических и нечетко-гранулярных методов.

Нечеткие временные ряды, нечеткие тенденции, онтология, нечеткая онтология.

2015_ 2

Рубрика: Информационные системы

Тематика: Информационные системы, Информационные системы.


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 683.03


Афанасьева Татьяна Васильевна, Ульяновский государственный технический университет, Кандидат технических наук, доцент кафедры «Прикладная математика и информатика» Ульяновского государственного технического университета. Имеет статьи, монографию и учебное пособие в области интеллектуального анализа временных рядов. [e-mail: tv.afanaseva@mail.ru]Т.В. Афанасьева,

Ярушкина Надежда Глебовна, Ульяновский государственный технический университет, Доктор технических наук, профессор, проректор по научной работе, заведующая кафедрой «Информационные системы» УлГТУ. Имеет статьи, монографии в области интеллектуального анализа данных. [e-mail: jng@ulstu.ru]Н.Г. Ярушкина

Анализ эффективности модели нечеткой тенденции в прогнозировании временных рядов26_7.pdf

В статье приводится описание новой модели анализа временных рядов (ВР), ориентированной на прогнозирование временных рядов небольшой длины. В основе новой модели лежит формализация и идентификация нового объекта ВР - нечеткой тенденции (НТ). Предложенная модель свободна от предположений, используемых в стохастическом моделировании, проста в реализации, ориентирована на лингвистическую интерпретацию результатов. Экспериментальные исследования показателей точности предложенной модели показали ее пригодность в прогнозировании ВР небольшой длины и конкурентоспособность по сравнению с аналогами.

Прогнозирование, временной ряд, нечеткая тенденция, показатели точности.

2011_ 4

Рубрика: Системы искусственного интеллекта

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


УДК 681.3


Ярушкина Надежда Глебовна, Ульяновский государственный технический университет, Доктор технических наук, профессор, проректор по научной работе, заведующая кафедрой «Информационные системы» Ульяновского государственного технического университета. Имеет статьи, монографии в области интеллектуального анализа данных. [e-mail: jng@ulstu.ru]Н.Г. Ярушкина,

Воронина Валерия Вадимовна, Ульяновский государственный технический университет, Аспирант кафедры «Информационные системы» УлГТУ, окончила факультет информационных систем и технологий УлГТУ. Имеет статьи в области интеллектуальных систем хранения и обработки информации. [e-mail: vvsh85@mail.ru]В.В. Воронина,

Афанасьева Татьяна Васильевна, Ульяновский государственный технический университет, Кандидат технических наук, доцент кафедры «Прикладная математика и информатика» УлГТУ. Имеет статьи, монографию в области интеллектуального анализа данных. [e-mail: tv.afanaseva@mail.ru]Т.В. Афанасьева

Диагностика узлов вертолета на основе модели гранулированного временного ряда26_8.pdf

В данной работе рассматривается решение задачи диагностики узлов вертолета. Диагностика осуществляется путем анализа временных рядов (ВР) ключевых физических величин на основе экспертной базы правил, содержащей суждения о значимости тенденций изменения этих величин. Также в работе сформулированы экспертные правила для таких узлов вертолета, как силовая установка двигателя и главный редуктор.

Диагностика, временной ряд, вертолеты, экспертная база правил.

2011_ 4

Рубрика: Системы искусственного интеллекта

Тематика: Искусственный интеллект, Информационные системы.


УДК 683.03


Афанасьева Татьяна Васильевна, Ульяновский государственный технический университет, Кандидат технических наук, докторант, доцент кафедры «Прикладная математика и информатика» УлГТУ. Имеет статьи, монографию в области интеллектуального анализа временных рядов. [e-mail: tv.afanaseva@mail.ru]Т.В. Афанасьева

Решение задач интеллектуального анализа временных рядов в рамках структурно-лингвистического подхода20_8.pdf

В статье приводится описание нового структурно-лингвистического подхода, предназначенного для реализации интеллектуального анализа временных рядов (ВР). Ориентация данного подхода на анализ временных рядов, хранимых в базах данных (БД), возможность использования для анализа временных рядов различной длины и извлечение знаний о поведении временных рядов в форме нечетких элементарных тенденций, а также представление результатов в лингвистической форме на ограниченном естественном языке позволяют расширить круг потенциальных пользователей си- стем, реализованных на принципах структурно-лингвистического подхода.

Интеллектуальный анализ, временной ряд, нечеткая тенденция, извлечение знаний, структурно-лингвистический подход, моделирование.

2010_ 2

Рубрика: Теоретические вопросы автоматизации процессов управления

Тематика: Искусственный интеллект, Информационные системы.


УДК 683.03


Ярушкина Надежда Глебовна, Ульяновский государственный технический университет, Проректор по научной работе, доктор технических наук, профессор, заведующая кафедрой «Информационные системы». Имеет статьи, монографии в обла- сти интеллектуального анализа данных. [e-mail: jng@ulstu.ru]Н.Г. Ярушкина,

Перфильева Ирина Григорьевна, Остравский университет, Чехия, Кандидат физико-математических наук, профессор. Имеет статьи, монографию в области интеллектуального анализа временных рядов. [e-mail: Irina.Perfilieva@osu.cz]И.Г. Перфильева,

Афанасьева Татьяна Васильевна, Ульяновский государственный технический университет, Кандидат технических наук, докторант, доцент кафедры «Прикладная математика и информатика». Имеет статьи, монографию в области интеллектуального анализа данных. [e-mail: tv.afanaseva@mail.ru]Т.В. Афанасьева

Интегральный метод нечеткого моделирования и анализа нечетких тенденций20_9.pdf

Рассматривается новый метод моделирования временных рядов (ВР), интегрирующий интеллектуальные методы решения задач извлечения знаний из временных рядов не только в числовой форме, но и в форме лингвистического описания уровней и элементарных тенденций.

Нечеткая модель, временной ряд, нечеткая тенденция, извлечение знаний, прогнозирование.

2010_ 2

Рубрика: Теоретические вопросы автоматизации процессов управления

Тематика: Искусственный интеллект.


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