АННОТАЦИИ СТАТЕЙ ЖУРНАЛА "ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ"
№7. Том 23. 2017

К оглавлению

УДК 004.89:004.93:528.88
В. Г. Астафуров^1,2, д-р физ.-мат. наук, ст. науч. сотр., e-mail: astafurov@iao.ru, Т. В. Евсюткин¹, канд. техн. наук, мл. науч. сотр., e-mail: oomphi.iao@gmail.com, С. В. Аксёнов^{2, 3, 4}, канд. техн. наук, доц., e-mail: axoenowsw@tpu.ru
¹Институт оптики атмосферы им. В. Е. Зуева СО РАН, г. Томск
²Томский университет систем управления и радиоэлектроники, г. Томск
³Национальный исследовательский Томский политехнический университет, г. Томск
⁴Национальный исследовательский Томский государственный университет, г. Томск

Эффективный алгоритм формирования нечетких систем на основе модели Питтсбургского классификатора

Предложен алгоритм автоматической классификации текстур слабоконтрастных объектов на основе модели нечеткого вывода, известной как Питтсбургский классификатор. Описаны разработанные методики построения базы правил нечетких продукций и формирования наборов информативных текстурных признаков. Представлено описание численного метода инициализации функций принадлежности и генетического алгоритма адаптации параметров нечеткой системы. Эффективность алгоритмов демонстрируется на классификации изображений четырех подтипов перистой облачности по спутниковым данным MODIS.
Ключевые слова: классификация, нечеткая система, текстурные признаки, Питтсбургский классификатор, подтипы перистой облачности

С. 483–491

УДК 629.05
М. Ф. Волобуев, канд. техн. наук, докторант, e-mail: volmf81@mail.ru, А. М. Мальцев, канд. техн. наук, доц., ст. науч. сотр., И. В. Соколов, преподаватель, e-mail: ig-tan@yandex.ru, Военный учебно-научный центр ВВС "Военно-воздушная академия имени проф. Н. Е. Жуковского и Ю. А. Гагарина", г. Воронеж

Экспериментальные исследования макета резервированной системы, управляемой нечетким контроллером

Рассмотрены вопросы практической реализации на современной элементной базе устройств обнаружения отказов в резервированных системах с использованием нечеткой логики, а также минимального числа термов входной лингвистической переменной, позволяющих обнаруживать отказы в резервированных системах.
Ключевые слова: макет, нечеткая логика, резервированная система, терм

C. 491–498

УДК 62-50; 519.7; 519.8
В. И. Левин, д-р техн. наук, проф., e-mail: vilevin@mail.ru, Пензенский государственный технологический университет

Многомерные интервалы, их исчисление и применение

Приведена детальная разработка новой математической модели неопределенности — многомерного интервала, являющегося множеством конечного числа независимых интервалов неопределенности, системы алгебраических операций над многомерными интервалами и правил выполнения этих операций. Для выполнения поставленной цели предложено распространить на изучение многомерных интервалов известный в интервальной математике метод изучения интервалов, основанный на определении алгебраических операций над интервалами в виде теоретико-множественного обобщения соответствующих операций над вещественными числами. Новизна работы состоит в предложенной новой математической модели неопределенности систем в виде многомерных интервалов совместно с математическим аппаратом, позволяющим выполнять различные операции над многомерными интервалами и тем самым дающим возможность выполнять математическое моделирование систем с неопределенностью. Детально разработана новая математическая модель неопределенности — многомерный интервал, определены алгебраические операции над многомерными интервалами, выведены правила их выполнения. Предложен алгоритм изучения систем с многомерно-интервальными параметрами.
Ключевые слова: модель неопределенности, интервал, многомерный интервал, моделирование неопределенных систем

С. 499–502

УДК 004.056.53
Д. В. Титов, нач. управления, Газпром информ, D.Titov@inform.gazprom.ru, И. В. Ретинская, д-р техн. наук, проф., В. С. Ретинский, д-р техн. наук, проф., e-mail: kto@migmail.ru, Российский государственный университет (национальный исследовательский университет) нефти и газа имени И. М. Губкина, г. Москва

Моделирование инфраструктуры центра сертификации

Рассмотрена организационная процедура выдачи сертификатов для доступа к служебной информации в НК Газпром. Разработаны способы представления информации из базы данных о сертификации в виде выборок, удобных для дальнейшего статистического анализа. Предложена система мониторинга, позволяющая динамически отслеживать загрузку операторов. Рассмотрены подходы к представлению инфраструктуры центра сертификации как системы массового обслуживания.
Ключевые слова: сертификат аутентификации, защита информации, теория массового обслуживания, моделирование, обработка данных, программирование, базы данных

C. 503–509

УДК 681.518:519.876.2
В. Г. Литвин, д-р техн. наук, проф., гл. специалист, e-mail: litvg@mail.ru, Научно-исследовательский институт автоматической аппаратуры им. академика B. C. Семенихина (АО "НИИАА"), г. Москва, Ю. В. Литвин, канд. экон. наук, директор центра, e-mail: litvinj@simplecs.ru, Научно-исследовательский институт экономики и организации управления в газовой промышленности (ООО "НИИгазэкономика", ОАО "Газпром"), г. Москва

Об оценке времени разработки крупномасштабной информационно-управляющей системы, создаваемой в структуре системы систем

Рассматривается новый подход к оценке времени разработки проекта информационно-управляемой системы в организационной структуре системы систем в соответствии с волновой моделью и технологией виртуального прото-типирования, концептуального и комбинированного моделирования. Времена параллельного выполнения работ оцениваются методами порядковых статистик при различных исходных распределениях. Использование методов продемонстрировано примерами расчета.

Ключевые слова: информационно-управляющие системы, волновая модель проекта, система систем, фазовые распределения

C. 509–516

УДК 004
Р. М. Алгулиев, акад. НАН Азербайджана, д-р техн. наук, проф., rasim@science.az, Я. Н. Имамвердиев, канд. техн. наук, доц., e-mail: yadigar@lan.ab.az, Л. В. Сухостат, канд. техн. наук, e-mail: lsuhostat@hotmail.com, Институт информационных технологий национальной академии наук Азербайджана

Киберфизические системы: основные понятия и вопросы обеспечения безопасности

Данное исследование нацелено на выявление, классификацию и анализ существующих исследований по вопросам безопасности киберфизических систем, чтобы лучше понять, как безопасность на самом деле осуществляется при работе с киберфизическими системами. Рассматриваются оценка последствий кибератак, моделирование и обнаружение атак и разработка архитектуры безопасности. Описаны основные типы атак и классификация угроз на киберфизические системы. Показаны направления будущих исследований.

Ключевые слова: киберфизическая система, безопасность киберфизической системы, атаки на киберфизическую систему, угрозы безопасности киберфизической системы, обнаружение вторжений

C. 517–528

УДК 004.4, 528.8
З. З. Ружичка^{1, 2}, инженер, e-mail: tramtara@seznam.cz, К. B. Музалевский¹, канд. физ.-мат. наук, и.о. зав. лаб., О. Э. Якубайлик³, канд. физ.-мат. наук, ст. науч. сотр., e-mail: oleg@icm.krasn.ru, Е. Г. Швецов⁴, канд. техн. наук, науч. сотр., eugeneshvetsov@mail.ru
¹Институт физики им. Л. В. Киренского СО РАН, ФИЦ КНЦ СО РАН, Красноярск,
²Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева, Красноярск,
³Институт вычислительного моделирования СО РАН, ФИЦ КНЦ СО РАН, Красноярск,
⁴Институт леса им. В. Н. Сукачева СО РАН, ФИЦ КНЦ СО РАН, Красноярск

Информационно-технологическое обеспечение задач обработки и представления радиометрических спутниковых данных

Рассматриваются проблемы и методы, программные средства для обработки и представления радиометрических спутниковых данных SMOS, GCOM-W1, MODIS, используемых в исследованиях различных характеристик почвы (влажность, температура). Создана база геопространственных данных, программы и прикладные сервисы для различных операций над ними. Разработанный комплекс программ обеспечивает решение всех необходимых задач автоматизации научных исследований.
Ключевые слова: радиометрические данные, SMOS, влажность почвы, обработка спутниковых данных, прикладной сервис
мого доступа к данным на основе открытых международных стандартов.

C. 529–535

Исследование выполнено при финансовой поддержке РФФИ и Правительства Красноярского края в рамках научного проекта № 16-45-242162.

УДК 004.91
И. С. Печенко, науч. сотр., reizennn@mail.ru, А. Б. Петров, д-р техн. наук, проф., зав. каф., petrov@mirea.ru, Московский технологический университет

Модели данных для архитектурных спецификаций систем на кристалле

Сложность проектирования современных систем на кристалле постоянно растет, что влечет за собой рост важности анализа и верификации таких систем. Возникает потребность в подходе, который бы упростил переход от архитектурных спецификаций к высокоуровневым моделям системы, использующимся для верификации. Работа представляет наиболее подходящие модели данных для создания спецификаций в рамках такого подхода, а также общую схему процесса работы со спецификациями. В большинстве случаев спецификацию системы на кристалле можно условно разделить на две части: структурную и поведенческую, поэтому модель данных и описание подхода также разделены на две части.
Ключевые слова: система на кристалле, архитектурная спецификация, верификация, автоматизация, модель данных, таблицы, диаграммы, структурные спецификации, поведенческие спецификации

C. 536–542

УДК 004.3
П. Ш. Гейдаров, канд. техн. наук, доц., e-mail: plbaku2010@gmail.com Институт системного управления НАН Азербайджана, г. Баку

Нейронные сети прямого распространения с вычисляемыми параметрами

Описывается процедура создания нейронных сетей прямого распространения с определяемой архитектурой и вычисляемыми параметрами сети, реализующая алгоритм распознавания на основе метрических методов распознавания с использованием метрических характеристик близости. Приведены примеры вычисления таблиц весов связей нейронной сети без применения классических алгоритмов обучения нейронной сети. Описаны возможности минимизации числа нейронов и связей для полученных сетей. Описан алгоритм обучения, реализующий отбор минимального набора эталонов из обучающей выборки.
Ключевые слова: модели нейронных сетей, обучение нейронных сетей, линейные нейронные сети, метод ближайшего соседа, метод построения эталона, метрические методы распознавания, функция активации

C. 543–552

Оглавление