|
||||||||||
|
УДК 004.896 О. Б. Лебедев, канд. техн. наук, доц., А. А. Жиглатый, аспирант, Е. О. Лебедева, аспирант, Южный федеральный университет, Ростов-на-Дону Ко-эволюционный подход к решению задачи размещения элементов СБИС Рассматривается ко-эволюционный алгоритм решения задачи размещения элементов СБИС на базе муравьиного алгоритма. Предложена модифицированная структура муравьиного алгоритма. Эволюционирующая популяция делится на субпопуляции, которые эволюционируют параллельно. Стратегии, реализуемые субпопуляциями, отличаются конструктивными алгоритмами, входящими в состав муравьиного алгоритма. Эвристика конструктивного алгоритма муравьиной колонии базируется на концепции последовательного назначения элементов в предварительно размещенные позиции коммутационного поля. Тестирование разработанного алгоритма проводилось на бенчмарках 19s, PrimGA1, PrimGA2. Результаты по сравнению с существующими алгоритмами улучшены на 6...7 %. Общая временная сложность ко-эволюционного алгоритма размещения составляет О(n2)... О(n3). C. 59–67 Работа выполнена при финансовой поддержке гранта РФФИ № 20–07–00260 а.
УДК 004.7, 004.9 А. Г. Абрамов, канд. физ.-мат. наук, вед. науч. сотр., СПбО МСЦ РАН — филиала ФГУ ФНЦ НИИСИ РАН Концептуальный взгляд на архитектуру сервисной платформы Национальной исследовательской компьютерной сети России Статья посвящена сервисному компоненту Национальной исследовательской компьютерной сети (НИКС), де-юре и де-факто функционирующему и развиваемому в настоящее время в качестве национальной научно-образовательной сети России. Дается концептуальное видение архитектуры сервисной платформы НИКС в условиях запланированного развития, обсуждены особенности платформы на разных уровнях представления, включая ее ядро, основные источники наполнения, карту сервисов и особенности внешнего взаимодействия, в том числе международного. Выявлены и обсуждены характеристики текущего состояния и ключевые тенденции развития сервисных компонентов ведущих мировых национальных научно-образовательных сетей, приведены общие сведения о планах работ по совершенствованию сервисной платформы НИКС. C. 68–74 Публикация выполнена в рамках государственного задания ФГУ ФНЦ НИИСИ РАН по теме № FNEF-2022-0014 УДК 004.056 А. В. Павлов, аспирант, Университет ИТМО, г. Санкт-Петербург Анализ сетевого взаимодействия современных эксплойтов УДК 004.4 + 004.77 C. 81–86
УДК 519.674 C. 87–91 УДК 004.023 Я. Е. Львович, д-р техн. наук, проф., Воронежский институт высоких технологий, И. Л. Каширина, д-р техн. наук, проф., М. А. Фирюлина, аспирант, Воронежский государственный университет Использование методов машинного обучения для прогнозирования смертности после инфаркта миокарда Выполнена оценка эффективности методов машинного обучения для краткосрочного прогнозирования смертности после перенесенного инфаркта миокарда и разработан подход к интерпретации полученных результатов. Для сравнительного анализа были использованы несколько методов прогнозирования риска смертности: модель Каплана—Мейера, модель Кокса, логистическая регрессия, градиентный бустинг Catboost. Повышение точности результатов было достигнуто за счет использования различных методов балансировки данных. По результатам исследования выявлены наиболее значимые факторы, определяющие состояние пациента после наступления инфаркта миокарда. C. 92–102 Исследование выполнено при финансовой поддержке РФФИ в рамках научного проекта № 20-37-90029 УДК 004.932.2 М. В. Копелиович, мл. науч. сотр., И. В. Щербань, д-р техн. наук, проф.,, Южный федеральный университет, г. Ростов-на-Дону Метод выбора максимально дискриминативных областей на основе спектральной энтропии в дистанционной фотоплетизмографии Предложен новый метод выбора областей лица на видеозаписи, позволяющий повысить точность решения задачи дистанционной фотоплетизмографии. Метод состоит в применении критерия на основе спектральной энтропии Шеннона к цветовым сигналам, полученным по различным областям лица на видеоряде, в целях выбора наименее зашумленной области. Корректность полученного решения подтверждена в ходе экспериментов на открытой базе данных, набранной с помощью 42 добровольцев. C. 102–112 Работа выполнена при финансовой поддержке Министерства науки и высшего образования РФ в рамках Постановления №218 "Создание программного комплекса для управления человеческим капиталом на основе нейротехнологий для предприятий высокотехнологичного сектора Российской Федерации" (Шифр: 2019-218-11-8185). |