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

К оглавлению

УДК 004.048                                                                                
DOI: 10.17587/it.28.451-456

Н. И. Юсупова, д-р техн. наук, проф., О. Н. Сметанина, д-р техн. наук, проф., Е. Ю. Сазонова, канд. техн. наук, доц.
УГАТУ, Уфа

Модели и методы информационного обеспечения управления техническим обслуживанием и ремонтом оборудования на основе технологий искусственного интеллекта

Рассматривается интеллектуальная информационная поддержка принятия решений в управлении техническим обслуживанием и ремонтом оборудования. Авторы предлагают подход к решению, включающий метод Байеса, технологии инженерии знаний и нечеткую логику для формализации выявленных и экспертных знаний для диагностики (система продукционных правил), для классификации оборудования и компонентов (нечеткая продукционная система), а также методы прогнозирования и оптимизации для планирования закупок комплектующих. Практическая реализация выполнена с использованием аналитической платформы MATLAB и EXSYS Corvid, а также программного обеспечения, разработанного в УГАТУ. Предложенный авторами статьи подход может быть реализован и как локальное приложение к информационной системе, и в рамках создания цифрового двойника производственной системы. Результаты экспериментальных исследований показали значительное улучшение во времени принятия решения в диагностической задаче, а также повысили показатель эффективность своевременной замены комплектующих на 12 % за счет введения коэффициентов востребованности при планировании закупок.
Ключевые слова: поддержка принятия решений, управление техническим обслуживанием и ремонтом, нейронечеткая система, метод Байеса, продукционная модель представления знаний

С. 451—456

Исследование проводится при финансовой поддержке Министерства образования и науки Российской Федерации в рамках выполнения базовой части государственного задания высшим учебным заведениям № FEUE-2020-0007.

УДК 004.75
DOI: 10.17587/it.28.456-464

В. Г. Ляликова, канд. физ.-мат. наук, доц., М. М. Безрядин, канд. физ.-мат. наук, доц.,
Воронежский государственный университет

Обзор современных рекомендательных систем

С.  456–464

УДК 004.089
DOI: 10.17587/it.28.465-474

Ж. Х. Мохаммад, аспирант, А. М. Мансур, аспирант, Ю. А. Кравченко, канд. техн. наук, доц., В. В. Бова, доц.,
Южный федеральный университет, Таганрог

Метод извлечения ключевых фраз на основе новой функции ранжирования

Предложен новый метод извлечения ключевых фраз из текста, основанный на статистических подходах и контекстных моделях распределенного представления текста. Предлагаемый метод определяет ключевые фразы-кандидаты для документа на основе частоты их появления в тексте, а затем взвешивает их на основе значений их сходства с документом. Частота каждого типа n-грамм рассчитывается независимо для обеспечения честной конкуренции между ними на этапе ранжирования. Важность ключевой фразы в документе рассчитывается как степень сходства между вектором документа и векторами его ключевых фраз. Чтобы предотвратить смещение значений сходства в длинных ключевых фразах, введена функция для нормализации оценок сходства в зависимости от длины ключевой фразы. Окончательная оценка важности ключевой фразы определяется функцией, которая возвращает среднее гармоническое значение частоты и сходства. Предлагаемый метод тестируется на пяти различных наборах эталонных данных и сравнивается с несколькими базовыми методами, включая TF-IDF, TextRank и Yake. Предлагаемый метод превосходит все методы с точки зрения метрики ранжирования MAP@K для различных пороговых значений K.
Ключевые слова: автоматизация извлечения ключевых слов, ключевая фраза, ранжирование ключевых фраз, TextRank, BERT, TF-IDF, частота терминов

С. 465–474

Исследование выполнено за счет гранта Российского научного фонда № 22-21-00316, https://rscf.ru/project/22-21-00316/ в Южном федеральном университете.

УДК 681.518.5
DOI: 10.17587/it.28.475-484

Г. С. Вересников, д-р техн. наук, вед. науч. сотр., А. В. Голев, мл. науч. сотр., А. М. Московцев, инженер,
М. П. Мартиросян, инженер,
Институт проблем управления им. В. А. Трапезникова РАН, Москва

Методы и алгоритмы для решения задачи ранней диагностики технических объектов с использованием методов интеллектуального анализа данных

Ранняя диагностика важна для надежного и безопасного функционирования технических объектов. Результаты ранней диагностики используются как для предотвращения нештатных ситуаций, так и для эксплуатации технических объектов по состоянию. В статье анализируются методы и алгоритмы интеллектуального анализа данных, применяемые в задачах определения и прогнозирования состояния технических объектов. Рассматриваются нейронные сети, деревья решений, растущие пирамидальные сети, метрические алгоритмы, метод опорных векторов. Приводятся их достоинства и недостатки. Особое внимание уделяется алгоритмам и методам выделения информативных признаков в эмпирических данных, в частности, методам фильтрации, проекции, оберточным методам. Применение этих методов и алгоритмов актуально для упрощения моделей, используемых для классификации состояний технических объектов, и повышения точности диагностики. Приводятся примеры из мировой научной литературы по данному вопросу.
Ключевые слова: диагностика, интеллектуальный анализ, нейронные сети, информативные признаки, технические объекты

УДК 51.73:534.23                                                                       
DOI: 10.17587/it.28.485-489

С. А. Имашев, канд. физ.-мат. наук, вед. науч. сотр., М. Е. Чешев, мл. науч. сотр.,
Научная станция Российской академии наук в г. Бишкеке (НС РАН)

Анализ флуктуации после удаления масштабно-зависимых трендов (DFA) на основе дискретного вейвлет-преобразования

Разработан усовершенствованный алгоритм расчета параметра Херста в методе анализа флуктуации после удаления масштабно-зависимых трендов (DFA) на основе дискретного вейвлет-преобразования (DWT). С использованием набора модельных сигналов с известным параметром Херста и семейства вейвлетов Добеши было проведено сравнение предлагаемого алгоритма с классической реализацией. Расчеты показали, что при использовании усовершенствованной методики абсолютная погрешность вычисления параметра Херста уменьшается на порядок, а скорость выполнения увеличивается в ~5 раз. Данный алгоритм был использован для выделения в геоакустическом шуме откликов геосреды на сеансы электромагнитных зондирований земной коры с помощью электроразведочной генераторной установки ЭРГУ-600-2 в ходе специальных экспериментов, проводимых на территории Бишкекского геодинамического полигона.
Ключевые слова: фрактальный анализ, вейвлет-анализ, параметр Херста, DFA, DWT

С. 485–489

Работа выполнена в рамках государственного задания Федерального государственного бюджетного учреждения науки Научной станции Российской академии наук в г. Бишкеке (тема № АААА-А19-119020190064-9).

УДК 681.518.5 + 004.052.32                                                      
DOI: 10.17587/it.28.489-496

Д. В. Ефанов, д-р техн. наук, доц.,
Санкт-Петербургский политехнический университет Петра Великого, г. Санкт-Петербург,
Российский университет транспорта, Москва, ООО "НИПИ "ТРАНССТРОЙБЕЗОПАСНОСТЬ", г. Санкт-Петербург

Принципы формирования равномерных избыточных кодов для синтеза самопроверяемых комбинационных устройств на основе данных об их структурах

Рассматривается задача организации контроля комбинационных устройств автоматики и вычислительной техники с использованием средств диагностирования, синтезируемых с применением избыточного кодирования. В отличие от известных подходов, подразумевающих для решения поставленной задачи использование известных двоичных равномерных кодов, в данной статье предлагается способ формирования равномерного разделимого кода, учитывающий особенности структуры исходного комбинационного устройства. Данный способ позволяет "заложить'' в строящийся код информацию о возможных ошибках на выходах схемы и учесть это при синтезе схемы контроля. При этом на этапе постановки задачи требуется оговорить модель неисправностей, относительно которой будет строиться код с обнаружением всех (или, возможно, части) ошибок на выходах схемы. В отличие от применения уже известного избыточного кода для организации контроля комбинационных устройств предложенный способ позволяет учесть индивидуальные особенности их структур. Использование такого подхода к организации самопроверяемых комбинационных устройств с неизменяемой структурой расширяет число способов их построения по сравнению с ранее известными дублированием и применением контроля групп выходов схем по кодам с особыми диагностическими свойствами.
Ключевые слова: самопроверяемое комбинационное устройство, равномерный разделимый двоичный код, обнаружение ошибок на выходах комбинационных устройств, построение кода "под схему", структурная избыточность самопроверяемого устройства

С. 489–496   

УДК 004.8                                                                                    
DOI: 10.17587/it.28.497-504

Д. Н. Кобзаренко^1,2, д-р техн. наук, проф., вед. науч. сотр., А. Г. Мустафаев¹, д-р. техн. наук, доц., декан,
Б. И. Шихсаидов³, канд. техн. наук, доц., декан,
¹ Дагестанский государственный университет народного хозяйства,
² Институт проблем геотермии и возобновляемой энергетики — филиал ОИВТ РАН,
³ Дагестанский государственный аграрный университет им. М. М. Джамбулатова

Эффективность использования одномерных сверточных слоев в нейронной сети на примере классификации метеорологической станции по данным временных рядов — скоростей ветра

Анализ данных с помощью нейронных сетей является современным трендом научных исследований. Обсуждается эксперимент по использованию одномерных сверточных слоев в нейронной сети в рамках задачи классификации данных метеорологического временного ряда (скорости ветра). Показано улучшение точности прогноза за счет добавления сверточных слоев, которое в рассматриваемой задаче достигает 9 %. Приведены несколько вариантов архитектур построения модели со сверточными слоями с оценкой точности предсказания.
Ключевые слова: искусственный интеллект, нейронная сеть, одномерный сверточный слой, задача классификации, скорость ветра, временной ряд

C. 497–504

Оглавление