АННОТАЦИИ СТАТЕЙ ЖУРНАЛА "ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ"
№7. Том 28. 2022

К оглавлению

УДК 004.021
DOI: 10.17587/it.28.339-347

В. А. Чеканин^{1, 2}, д-р техн. наук, доц., А. В. Чеканин¹, д-р техн. наук, проф.,
¹Московский государственный технологический университет "СТАНКИН",
²Институт проблем управления им. В. А. Трапезникова РАН, г. Москва

Применение модели потенциальных контейнеров для компоновки объектов сложной формы

Рассматривается оптимизационная задача компоновки объектов произвольной формы с обобщением по размерности. Предлагается рассматривать объекты сложной формы в виде ортогональных многогранников, а компоновку описывать с использованием модели потенциальных контейнеров. Разработаны и исследованы различные алгоритмы размещения ортогональных многогранников и обновления набора потенциальных контейнеров в процессе формирования упаковки.
Ключевые слова: модель потенциальных контейнеров, ортогональный многогранник, компоновка, задачи раскроя—упаковки

УДК 519.17                                                                                  
DOI: 10.17587/it.28.347-358

С. В. Курапов, канд. физ.-мат. наук, доц.,
Запорожский национальный университет, г. Запорожье, Украина,
М. В. Давидовский, канд. физ.-мат. наук, доц.,
Запорожский институт последипломного педагогического образования, г. Запорожье, Украина

Операторы и изоморфизм графов

Рассматривается метод распознавания изоморфизма графов на основе построения цепочки преобразований матрицы смежностей реберного графа L(G) с использованием свойств нильпотентного оператора пространства суграфов. Показано, что формирование цепочки реберных разрезов порождает спектр реберных разрезов, который определяет метрические свойства ребер и вершин графа. Метрические свойства позволяют построить числовые характеристики структуры графа и инвариант реберных разрезов графа, применить его для решения задачи распознавания изоморфизма графов.
Ключевые слова: граф, реберный граф, изометрические циклы графа, инвариант, изоморфизм графов, ниль-потентный оператор

С. 347–358

УДК 004.4, 004.8                                                                         
DOI: 10.17587/it.28.359-368

Л. Ф. Тагирова, канд. пед. наук, доц., Т. М. Зубкова, д-р техн. наук, проф.,
ФГБО ВО "Оренбургский государственный университет"

Разработка экспертной системы определения статуса обучаемого интеллектуальной системы на основе алгоритма нечеткого вывода Мамдани

Рассмотрено использование электронных систем обучения, лидирующие позиции среди которых занимают интеллектуальные обучающие системы (ИОС), обладающие возможностью адаптации учебного процесса к индивидуальным особенностям обучающихся.
Описана разработка интеллектуальной системы, реализующей подбор соответствующего теоретического материала для каждого из студентов на основе анализа его статуса ("эксперт", "профессионал", "мастер", "новичок", "стажер"). Статус обучаемого является нечеткой характеристикой, отражающей степень владения материалом курса и состоящей из двух компонентов: уровня усвоения дисциплины и сформированностью личностных качеств студента. В качестве инструмента для определения статуса предлагается использовать нечеткую экспертную систему, ядром которой является продукционная база правил. При формировании базы нечетких продукций использовалось описание каждой лингвистической переменной, заданной на основе значений эталонной модели студента. Данная модель включает доминирующие показатели для каждого качества, характеризующие возможные статусы студента. В ходе работы программного средства результаты оценки характе­ристик обучаемых считываются из базы данных и сравниваются с правилами экспертной системы. В результате студенту предлагается адаптированный под его текущий статус теоретический материал дисциплины.
Внедрение разработанной ИОС, реализующей адаптивные индивидуальные траектории обучения для каждого студента, позволит значительно повысить эффективность и качество подготовки специалистов.
Ключевые слова: интеллектуальная обучающая система, статус обучаемого, экспертная система, нечеткая логика, алгоритм нечеткого вывода Мамдани

С. 359–368

УДК 004.825                                                                                
DOI: 10.17587/it.28.368-377

Р. В. Душкин, директор по науке и технологиям,
Агентство Искусственного Интеллекта, Москва

Принципы решения проблемы привязки символов при разработке искусственных когнитивных агентов общего уровня

Изложен авторский подход к решению проблемы привязки символов, который может использоваться при разработке искусственных когнитивных агентов общего уровня. При реализации этого подхода такие агенты могут получить функцию понимания смысла и контекста тех ситуаций, в которых они находятся. В статье дается краткое описание проблемы понимания смысла. Кроме того, обсуждается видение с точки зрения автора того, как должна происходить привязка символов при использовании искусственным когнитивным агентом сенсорных информационных потоков различной модальности. Привязка символов осуществляется путем построения ассоциативно-гетерархической сети понятий, с помощью которой осуществляется расширение гибридной архитектуры искусственного когнитивного агента. Новизна статьи основана на авторском подходе к решению проблемы, который представлен несколькими важными принципами: принципами мультисенсорной интеграции, использования ассоциативно-гетерархической сети понятий и гибридной парадигмы искусственного интеллекта. Актуальность работы основывается на том факте, что сегодня проблема построения искусственных когнитивных агентов общего уровня становится все более и более важной, в том числе и в рамках национальных стратегий развития искусственного интеллекта различных государств мира. Статья носит теоретический характер и будет интересна специалистам в области искусственного интеллекта, а также всем тем, кто хочет оставаться в рамках современных трендов в области искусственного интеллекта.
Ключевые слова: значение, смысл, треугольник Фреге, привязка символов, семантика, понимание, искусственный интеллект, мультисенсорная интеграция, ассоциативно-гетерархическая сеть, гибридная когнитивная архитектура

С. 368–377

УДК 004.896:004.4'24
DOI: 10.17587/it.28.378-391

С. М. Авдошин, канд. техн. наук, проф., Г. А. Арутюнов, магистрант,
Национальный исследовательский университет "Высшая школа экономики" (НИУ ВШЭ)

Обзор нейросетевых методов анализа и генерации кода

В условиях пандемии как никогда стала актуальной проблема нехватки кадров в сфере информационных технологий. По оценкам аналитиков в 2021 году Россия не досчиталась от 500 тыс. до 1 млн IT-специалистов. Образование и вывод на рынок такого большого числа специалистов может занять годы. Очень остро стоит вопрос оптимизации процесса создания IT-решений, в том числе путем разработки автоматизированных способов решения рутинных задач. В данной статье представлен обзор методов применения нейросетевых технологий в области анализа и генерации программного кода.
Ключевые слова: нейросетевые технологии, искусственный интеллект, графовые нейронные сети, анализ программного кода, методы генерации кода, машинное программирование, обучение с подкреплением

С. 378–391

Оглавление