АННОТАЦИИ СТАТЕЙ ЖУРНАЛА "ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ"
№9. Том 26. 2020

К оглавлению

УДК 004.3
DOI: 10.17587/it.26.499-506

И. Я. Львович, д-р техн. наук, проф., office@vivt.ru, Я. Е. Львович, д-р техн. наук, проф., office@vivt.ru, А. П. Преображенский, д-р техн. наук, проф., app@vivt.ru, Воронежский институт высоких технологий, О. Н. Чопоров, д-р техн. наук, проф., choporov_oleg@mail.ru, Воронежский государственный технический университет

Особенности методов машинного обучения

Проведен комплексный анализ возможностей подходов, базирующихся на машинном обучении, описаны их слабые и сильные стороны, отмечены основные характеристики алгоритма логистической регрессии и рассмотрены задачи, выполняемые с помощью данного алгоритма. Проведен сравнительный анализ алгоритмов.
Ключевые слова: машинное обучение, алгоритм, обработка данных, нейросети, глубокое обучение

С. 499–506

УДК 004.3:612.8                                                                          
DOI: 10.17587/it.26.507-514

О. Г. Щербань, канд. техн. наук, доц., e-mail: shchero@mail.ru, И. В. Щербань, д-р техн. наук, проф., e-mail: shcheri@mail.ru, Южный федеральный университет, г. Ростов-на-Дону, П. В. Лобзенко, канд. техн. наук, доц., e-mail: pasha.van@list.ru, Московский технический университет связи и информатики

Метод поиска высокочастотных паттернов в составе зашумленных многомерных сигналов в реальном времени

Разработан метод поиска и локализации во времени высокочастотных паттернов в составе зашумленных выходных сигналов многомерных динамических объектов в реальном времени наблюдений. На основе аппарата многомерного сингулярного анализа синтезирован полосовой фильтр, адаптивный к вариациям характеристик наблюдаемого сигнала, применение которого к исходному сигналу обеспечивает требуемую чувствительность критериальной функции при поиске паттернов низкой интенсивности.
Ключевые слова: многомерный сингулярный спектральный анализ, адаптивный полосовой фильтр, метрика Хаусдорфа

C. 507–514

УДК 303.714                                                                                
DOI: 10.17587/it.26.515-522

Н. Н. Яхно^1,2, д-р мед. наук, проф., академик РАН, e-mail: info@ditc.ras.ru, В. Н. Гридин¹, д-р техн. наук, проф., e-mail: info@ditc.ras.ru, Д. С. Смирнов¹, канд. экон. наук, ст. науч. сотр., e-mail: info@ditc.ras.ru, В. С. Панищев¹, канд. техн. наук, ст. науч. сотр., e-mail: info@ditc.ras.ru, В. А. Парфенов², д-р мед. наук, проф., e-mail: info@ditc.ras.ru, Т. М. Остроумова^1,2, канд. мед. наук, мл. науч. сотр., e-mail: info@ditc.ras.ru, Н. Н. Коберская^1,2, канд. мед. наук, ст. науч. сотр., e-mail: info@ditc.ras.ru,
¹ ФГБУН Центр информационных технологий в проектировании РАН, г. Одинцово Московской области,
²ФГАОУ ВО Первый Московский государственный медицинский университет имени И. М. Сеченова Министерства здравоохранения Российской Федерации (Сеченовский университет), г. Москва

Статистическая обработка и методика сокращения размерности пространства данных пациентов при анализе когнитивных нарушений

Предложено развитие методов статистической обработки информации и алгоритмов преобразования и анализа медицинских данных пациентов в целях обнаружения факторов субъективного и легкого когнитивного снижения. Показывается неприменимость классических классификационных моделей для таких данных с низкой исходной согласованностью. Предлагается методика выявления групп показателей, обладающих наибольшей согласованностью и разделительной способностью для априорных групп пациентов. Преобразованные в соответствии с методикой данные могут являться исходными данными для построения эффективных предиктивных моделей регрессионного типа.
Ключевые слова: когнитивные нарушения, сокращение размерности пространства, многомерные статистические методы, логистическая регрессия, метод главных компонент

С. 515–522

УДК 004.89:004.912
DOI: 10.17587/it.26.523-528

А. С. Круглик, магистрант, e-mail: kruglik.a.s@mail.ru, И. А. Лакман, канд. техн. наук, доц., e-mail: lackmania@mail.ru, Уфимский государственный авиационный технический университет

Гибридный подход усиленной контентом коллаборативной фильтрации в области рекомендательных систем

Проводится эмпирическое исследование прогнозных свойств гибридной рекомендательной системы, основанной на подходе усиленной контентом коллаборативной фильтрации. Проводится сравнение по четырем различным метрикам качества с подходами рекомендательных систем: случайный прогноз, контентная фильтрация, коллаборативная фильтрация, усреднение прогнозов. Апробация подходов проводилась на данных о фильмах и рейтингах, поставленных пользователями. При применении метода усиленной контентом коллаборативной фильтрации результаты улучшаются на 15...20 % по сравнению с остальными подходами.
Ключевые слова: рекомендательная система, гибридный подход, контентная фильтрация, коллаборативная фильтрация

УДК 004.03                                                                                  
DOI: 10.17587/it.26.529-537

С. М. Авдошин, канд. техн. наук, руководитель департамента программной инженерии, проф., e-mail: savdoshin@hse.ru, А. В. Чернов, преподаватель, e-mail: achernov@hse.ru, Е. Ю. Песоцкая, канд. экон. наук, доц., e-mail: epesotskaya@hse.ru, Национальный исследовательский университет "Высшая школа экономики"

Сервис цифрового контента для удаленного обучения

Образование является важным фундаментом, на котором строится любая область современного мира. Именно качественное образование позволяет учащимся претендовать на перспективные рабочие места, а работодателям — получать более подготовленных сотрудников. Понимая под образованием не только учебный процесс, но и получение различных знаний в ходе чтения электронной литературы, авторы ставят цель разработать концепцию и требования к новому сервису для работы с цифровым контентом, который сможет преодолеть существующие барьеры использования цифрового контента, наладить удобную двустороннюю коммуникацию между автором и читателем, а также эффективно дополнить существующие и развиваемые платформы онлайн-образования. Формирование подхода основано на анализе потребностей и интересов всех участников рынка образования с учетом трендов трансформации учебных заведений и образования цифровых университетов.
Ключевые слова: образование, образовательные сервисы, цифровой контент, онлайн-обучение, трансформация, цифровой университет

УДК 004.4, 004.92
DOI: 10.17587/it.26.538-547

И. В. Дымченко, ст. преподаватель, e-mail: ivdymchenko@sevsu.ru, С. А. Кузнецов, ст. преподаватель, e-mail: sakuznetsov@sevsu.ru, О. А. Сырых, ст. преподаватель, e-mail: sirih@mail.ru, В. С. Яновская, магистрант, e-mail: VSYanovskaya@sevsu.ru, Севастопольский государственный университет

Применение технологии виртуальной реальности и 3D-моделирования для цифровых реконструкций объектов культурного наследия

Описывается опыт создания виртуального тура по сельской усадьбе Хоры Херсонеса с применением технологии виртуальной реальности для платформы HTC Vive. Описаны аппаратные и программные средства и технологии, применявшиеся для создания 3D-моделей строений и предметов быта херсонеситов. Продемонстрированы особенности метода создания трехмерных моделей с помощью фотограмметрии в сравнении с методом, использующим сканер структурированного света на примере предмета посуды херсонеситов. Описаны программные инструменты, которые применялись для разработки виртуального тура. Разрабатываемая платформа может применяться для информатизации музейных комплексов, археологических исследований и учебно-образовательного процесса.
Ключевые слова: виртуальная реальность, цифровая реконструкция, Херсонес Таврический, 3D-модель, 3D-сканер, VR, Unity

C. 538–5 47

УДК 004.94
DOI: 10.17587/it.26.548-552

М. А. Нечухаев, зам. директора Департамента оперативного управления и мониторинга, ПАО НК "Роснефть", Москва, В. В. Чепкасов, первый зам. ген. директора, ОАО "Удмуртнефть", г. Ижевск, Н. О. Вахрушева, канд. техн. наук, начальник управления по технологическому развитию, e-mail: NOVahrusheva@udmurtneft.ru, ЗАО "Ижевский нефтяной научный центр", г. Ижевск

Совершенствование бизнес-процесса обслуживания скважин с помощью цифровых технологий

Обсуждается реализация проектов по цифровизации месторождений нефтегазовыми предприятиями России. Предприятия используют технологию цифровых двойников для моделирования и прогнозирования сценариев оптимизации разработки месторождений и технологических процессов эксплуатации месторождений. Процессы цифровизации детально разобраны в статье, выявлены недостатки и возможности для их улучшения. Рассмотрены три режима управления скважиной с использованием искусственного интеллекта. Разработана концепция всех возможных режимов. Выявлена экономическая целесообразность реализации проекта по внедрению цифровых технологий в процесс обслуживания скважин на примере месторождений ОАО "Удмуртнефть". Рассчитан предполагаемый экономический эффект. Выполнен расчет дополнительной численности требуемого персонала для достижения заданных показателей проекта при снижении времени реагирования.
Ключевые слова: цифровизация месторождений, цифровая скважина, автоматизация, обслуживание скважины, эффективность цифровизации, Удмуртнефть

Оглавление