|
||||||||||
|
УДК 681.31 А. Д. Иванников, д-р техн. наук, проф., adi@ippm.ru, В. Н. Северцев, д-р техн. наук, Институт проблем проектирования в микроэлектронике РАН, Москва Рассматривается моделирование проектов цифровых систем на уровне логических сигналов в целях отладки проектов. Предполагается, что цифровая система выполняет некоторую последовательность функций из конечного алфавита. При описании методами теории множеств анализируется структура множества входных воздействий цифровых систем и их блоков. Предлагается математическая модель множества входных воздействий для цифровых систем и их блоков для каждой выполняемой функции с учетом временных ограничений в виде помеченного ориентированного графа. Полученную формальную модель предполагается использовать при выборе набора отладочных тестов. С. 627–632 УДК 681.3 С. И. Попков, аспирант, e-mail: rslw25@gmail.com, ГБОУ ВПО Московский государственный психолого-педагогический университет, Москва, Россия Метод внешней оптимизации для идентификации марковских процессов Разработан численный метод для оптимизации идентификации марковских процессов. Метод применяется как вспомогательный в тех случаях, когда необходимо обеспечить высокую эффективность основного метода за ограниченное или реальное время. В качестве примера такого основного метода в данной статье выбран метод перебора значимых параметров. В основу программно-алгоритмической реализации метода внешней оптимизации положен шаблон проектирования "декоратор", позволяющий модифицировать входные и выходные данные преобразуемой функции в целях получения некоторых преобразованных данных, в данном случае — улучшенного значения критерия за ограниченное время. Предложенный подход позволил увеличить эффективность метода перебора значимых параметров более чем на 25 % (по сравнению с эмпирическим подходом к подбору параметров). С. 633–641
УДК 004.855.5 В. А. Харахинов, аспирант, e-mail: tes4obse@mail.ru, Иркутский национальный исследовательский технический университет Генетический алгоритм как альтернатива обучения слоя Кохонена Предложено применение генетического алгоритма в качестве альтернативного метода обучения слоя Кохонена. Приведено сравнение оценок качества кластерного анализа, полученных следующими методами: K-means; слой Кохонена, обученный стандартным алгоритмом; слой Кохонена, обученный с помощью генетического алгоритма. С. 642 – 648 УДК 004.434 Л. Н. Лядова, канд. физ.-мат. наук, доц., доц. кафедры информационных технологий в бизнесе, e-mail: LLyadova@hse.ru, А. О. Сухов, канд. физ.-мат. наук, доц. кафедры информационных технологий в бизнесе, e-mail: ASuhov@hse.ru, Е. Ю. Медведева, магистрант, e-mail: medvedevaeyu@mail.ru, Национальный исследовательский университет "Высшая школа экономики", г. Пермь Предложены алгоритмы разбора для текстовых динамически настраиваемых предметно-ориентированных языков и проверки синтаксической корректности написанных с их помощью программ. В процессе своей работы на основе описания расширенной грамматики языка анализатор строит псевдодерево разбора, которое в дальнейшем используется при проверке синтаксической корректности программ пользователя. В основе алгоритма проверки синтаксиса лежит метод леворекурсивного спуска с возвратом. С. 648–656 УДК 004.89 В. И. Васильев, д-р техн. наук, проф., e-mail: vasilyev@ugatu.ac.ru, А. М. Вульфин, канд. техн. наук, доц., e-mail: vulfin.alexey@gmail.com, М. Б. Гузаиров, д-р техн. наук, проф., e-mail: guzairov@ugatu.su, А. Д. Кириллова, магистр, e-mail: kirillova.andm@gmail.com, Уфимский государственный авиационный технический университет Интервальное оценивание информационных рисков с помощью нечетких серых когнитивных карт Рассматривается возможность получения интервальных количественных оценок рисков информационной безопасности с помощью нечетких серых когнитивных карт (Fuzzy Grey Cognitive Maps). Обсуждаются вопросы построения нечетких серых когнитивных карт на основе обработки знаний и опыта экспертов. Рассмотрены особенности применения данного класса когнитивных моделей на примере задачи оценки информационных рисков. С. 657–664 УДК 519.95 Рассмотрено описание объектов в собственном пространстве из латентных признаков. Для формирования пространства использованы правила иерархической агломеративной группировки исходных признаков. Предложена методика отбора информативного набора признаков объекта и вычисление меры сходства его с другими объектами по этому набору. Методика позволяет относить объект к числу эталонов либо идентифицировать его как шумовой. С. 665–670 УДК 004.021 В. П. Май, канд. техн. наук, вед. науч. сотр., e-mail: may@iacp.dvo.ru, Институт автоматики и процессов управления ДВО РАН, г. Владивосток Система объемной визуализации синоптических объектов Представлена усовершенствованная реализация интерактивной системы объемной визуализации и анализа синоптических объектов, предназначенной для автоматизации исследований динамики атмосферы и океана. Описана новая архитектура и функциональные возможности системы. Приведена программная структура разработанной системы визуализации. Реализованы методы визуализации физических полей синоптических объектов. Для увеличения вычислительной производительности обрабатываемых и визуализируемых данных применены шейдер- и CUDA-технологии многопроцессорной обработки на базе графических процессоров. Опытная эксплуатация и тестирование системы на модельных и реальных данных показали ее практическую эффективность. C. 671–680 Работа поддержана программой Президиума РАН № 1.33П "Фундаментальные проблемы математического моделирования"УДК 004.932.72'1, 57.087.1 В большинстве методов распознавания радужной оболочки глаза используются локальные текстурные признаки. Качество распознавания существенно зависит от точности их совмещения при сравнении. В работе представлен простой, при этом эффективный метод повышения точности совмещения и исследуется вопрос выбора оптимальных параметров вэйвлетов, формирующих шаблон радужной оболочки глаза. Показано, что улучшение точности совмещения позволяет использовать более информативные высокочастотные вэйвлеты. Численные эксперименты проведены на базах данных изображений ICE2005 и CASIA, находящихся в свободном доступе. С. 681– 688
|