АННОТАЦИИ СТАТЕЙ ЖУРНАЛА "ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ"
№12. Том 29. 2023

К оглавлению

УДК 004.7, 001.83
DOI: 10.17587/it.29.615-621

А. Г. Абрамов¹ , канд. физ.- мат. наук , вед. науч. сотр ., А. А. Гончар², зам . директора, А. В. Евсеев¹, директор, Б. М. Шабанов², д-р техн. наук , чл.- корр. РАН, директор,
¹СПбО МСЦ РАН — филиал ФГУ ФНЦ НИИСИ РАН ,
²МСЦ РАН — филиал ФГУ ФНЦ НИИСИ РАН

Опыт интеграции региональных научно-образовательных сетей в Национальную исследовательскую компьютерную сеть России на примере сети РОКСОН*

Статья посвящена вопросам организации взаимодействия Национальной исследовательской компьютерной сети нового поколения (НИКС) с отдельными российскими региональными научно-образовательными телекоммуникационными сетями в ходе выполнения работ по развитию НИКС в рамках национального проекта "Наука и университеты". Дается краткий экскурс в историю создания и развития академических сетей на территории г. Санкт-Петербург. Основное внимание в работе уделяется организационно-методическим и техническим аспектам реализации мероприятий по интеграции в НИКС Региональной объединенной компьютерной сети образования и науки Санкт-Петербурга (РОКСОН).
Ключевые слова: национальная исследовательская компьютерная сеть, НИКС, региональные научно-образовательные сети, РОКСОН, интеграция

С. 615–621

Публикация подготовлена в рамках государственного задания ФГУ ФНЦ НИИСИ РАН по теме No FNEF-2022-0014.
Работа выполнена при поддержке Центра коллективного пользования "Национальная исследовательская компьютерная сеть" (код: 3576270).

УДК 004.72
DOI: 10.17587/ it .29.622-629

Д. А. Перепелкин, д-р техн. наук, доц., декан факультета вычислительной техники, М. А. Иванчикова, канд. техн. наук, доц., В. Т. Нгуен, аспирант,
Рязанский государственный радиотехнический университет им. В. Ф. Уткина

Нейросетевая многопутевая маршрутизация в программно-конфигурируемых сетях на основе генетического алгоритма*

В настоящее время широкий спрос на внедрение и использование различных облачных решений является современным трендом и движущей силой развития сетевых технологий. Рост служб облачных приложений, предо­ставляемых через центры обработки данных с различными потребностями в сетевом трафике, демонстрирует ограничения традиционных методов маршрутизации и балансировки нагрузки. Сочетание преимуществ техно­логии программно-конфигурируемых сетей (ПКС) и методов искусственного интеллекта (ИИ) обеспечивает эффективное управление ресурсами компьютерных сетей и их эксплуатацию. В работе предложено решение задачи нейросетевой многопутевой маршрутизации в ПКС на основе генетического алгоритма. Разработана архитектура и модель искусственной нейронной сети для решения задачи многопутевой маршрутизации в ПКС, которая способна прогнозировать кратчайшие пути на основе метрик каналов связи. Для оптимизации гиперпараметров модели нейронной сети в работе предложено использовать модифицированный генетический алгоритм. Раз­работана визуальная программная система SDNLoadBalancer и спроектирована экспериментальная топология ПКС, позволяющая детально исследовать процессы нейросетевой многопутевой маршрутизации в ПКС на основе предложенного подхода. Полученные результаты показывают, что предложенная модель нейронной сети имеет возможности прогнозирования маршрутов с высокой точностью в режиме реального времени, что позволяет реализовать различные схемы балансировки нагрузки в целях увеличения производительности ПКС.
Ключевые слова: программно-конфигурируемые сети, нейросетевая маршрутизация, многопутевая маршрутизация, рекуррентные нейронные сети, генетический алгоритм

С. 622–629

УДК 004.94
DOI:10.17587/it.29.630-638

А. Ю. Переварюха, канд. техн. наук, ст. науч. сотр.,
Санкт-Петербургский Федеральный исследовательский центр РАН

Модель трансформации волн затухающего тренда эпидемий COVID-19*

Пандемия COVID-19 с динамической точки зрения разделяется на кластеры региональных эпидемий. Локальные процессы в 2023 г. демонстрируют колебательную динамику особых форм. COVID-волны и пики нельзя считать классическими затухающими релаксационными колебаниями. Затухавшая амплитуда волн заражения, образовавшихся после первичной вспышки, снова превращается в экстремальный пик. Причинами могут быть эффекты после кризисных событий: массовые заражения и/или увеличение вирулентности y нового штамма, уклоняющегося от вакцинного иммунитета. Средствами имитационного моделирования проведен анализ вариантов эпидемической динамики с резкими изменениями. Особые важные эпидемические сценарии резкого возникновения короткой волны вычислительно исследованы на основе предложенных нелинейных уравнений с отклоняющимся аргументом как наиболее вероятный вариант развития заданной параметрически имитационной ситуации. Каждая вспышка COVID -19 — это петля положительной обратной связи: чем больше заражений, тем выше вероятность дальнейших мутаций y вируса и уклонения штаммов от антител. B конце 2023 г. после длительного летнего минимума возобновился рост заболеваемости из-за штаммов из новой ветви Omicron BA .2.86. xx "Pirola".
Ключевые слова: моделирование осциллирующей эпидемической динамики, затухание волн заражений, модели с разрушением циклических траекторий, ситуативные вычислительные эксперименты, факторы дифференциации эпидемической ситуации, гетерогенность иммунитета

С. 630–638

Исследование выполнено в рамках проекта РНФ 23-21-00339 в СПБ ФИЦ РАН.

УДК 004.93
DOI: 10.17587/ it .29.639-649

В. А. Бобков, д-р техн. наук, глав. науч. сотр., М. А. Морозов, вед. инженер-программист, А. А. Шупикова, вед. инженер-программист,
Институт автоматики и процессов управления ДВО РАН, г. Владивосток

Алгоритм распознавания подводного трубопровода по стереоизображениям*

Предложен метод распознавания подводного трубопровода (ТП) по стереоизображениям с использованием автономного подводного робота (АПР). Метод основан на выделении контуров ТП на векторизованных изображениях с последующим вычислением осевой линии ТП и параметров взаимного положения АПР и ТП. Для построения линий контуров по множеству отрезков предложен алгоритм (модификация классического метода Хафа), обеспечивающий обработку зашумленных изображений и сокращение вычислительных затрат. Получены оценки эффективности метода на виртуальных сценах.
Ключевые слова: инспекция подводного трубопровода, автономный подводный робот, распознавание, стереоизображение, векторизация, точечные особенности

С. 639–649

Исследование выполнено за счет гранта Российского научного фонда № 22-11-00032, https://rscf.ru/project/22-11-00032/ и госбюджетной темы ИАПУ ДВО РАН "Информационные и инструментальные системы обработки и анализа данных и знаний, моделирования природных процессов" 0202-2021-0004 (121021700006-0). По гранту РНФ № 22-11-00032 получены результаты: Разработка локального метода распознавания и вычислении положения подводного трубопровода (ТП) по стереоизображениям. По госбюджетной теме ИАПУ 121021700006-0 получены результаты: Анализ методов повышения точности навигации автономного робота относительно видимых объектов.

УДК 004.657
DOI: 10.17587/it.29.650-663

Ю. А. Григорьев, д-р техн. наук, проф.,
Московский государственный технический университет им. Н. Э. Баумана, Москва

Оценка кардинальности запросов на основе выборки из полного внешнего соединения таблиц

Оценка кардинальности (числа записей) играет важную роль в создании эффективных планов выполнения запросов в СУБД. В последнее десятилетие разработано большое число методов оценки кардинальности. Но все эти методы основаны на существенных ограничениях и предпосылках, а оценка кардинальности с их использованием деградирует с увеличением числа соединяемых таблиц. В статье предлагаются два метода, опирающиеся на теорию приближенного вычисления агрегатов и позволяющие снять большинство ограничений. Реализован один из двух методов — EVACAR , он не уступает по эффективности современным методам машинного обучения, основанным на данных. Метод EVACAR точнее или его максимальная q-ошибка сопоставима с методами машинного обучения для 75...88 % оцениваемых запросов (подпланов).
Ключевые слова: оценка кардинальности, CardEst , выборка, полное внешнее соединение, приближенное вычисление агрегатов

К оглавлению