АННОТАЦИИ СТАТЕЙ ЖУРНАЛА "ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ"
№9. Том 30. 2024

К оглавлению

УДК 004.021
DOI: 10.17587/it.30.443-449

И. Н. Пожаркова, канд. техн. наук, проф.¹, доц. ²,
¹ Сибирская пожарно-спасательная академия ГПС МЧС России, г. Железногорск,
² Сибирский федеральный университет, г. Красноярск

Алгоритмы построения потоковых характеристик свободных струй по результатам численного моделирования

Предложены алгоритмы, предназначенные для оценивания параметров свободных струй на основе результатов моделирования с использованием методов вычислительной гидродинамики. Полученные таким образом характеристики соответствуют границам жидкостных потоков, которые определяются визуально в системах компьютерного зрения, что позволяет применять их для валидации математических моделей, а также для машинного обучения нейросетевых моделей, описывающих исследуемые процессы. Представлены результаты использования предложенных алгоритмов для построения верхней границы и объемной фигуры, охватывающей основной поток струи огнетушащего вещества из пожарного лафетного ствола при воздействии бокового ветра.
Ключевые слова: свободные струи, численное моделирование, вычислительная гидродинамика, CFD , потоковые характеристики, машинное обучение, валидация, верификация

C. 443-449

УДК 519.714
DOI: 10.17587/it.30.450-461

П. Н. Бибило, д-р техн. наук, проф., зав. лабораторией,
Объединенный институт проблем информатики Национальной академии наук Беларуси, г. Минск

Синтез двухблочных логических схем, реализующих функции k-значной логики

Рассматривается проблема схемной реализации функций k-значной логики, заданных табличными представлениями. Предлагаемый подход основывается на технологически независимой оптимизации представления функции k-значной логики в виде многозначной диаграммы решений (Multi-valued Decision Diagram , MDD), после чего осуществляется кодирование значений аргументов и значений функции наборами булевых переменных. В результате кодирования k -значная функция заменяется системой не полностью определенных булевых функций. Система булевых функций минимизируется в классе BDD-представлений (Binary Decision Diagram (BDD) — бинарная диаграмма решений). Предлагается проводить промежуточное кодирование значений k значной функции, используя специальное кодирование соседних листовых вершин BDD, что может приводить к сокращению площади двухблочной логической схемы, реализующей функцию k -значной логики.
Ключевые слова: функция k-значной логики, Multi-valued Decision Diagram (MDD), булева функции, Binary Decision Diagram ( BDD ), разложение Шеннона, синтез логической схемы, VHDL , СБИС

УДК 004.658.2
DOI: 10.17587/it.30.462-467

М. В. Ворончихин, инженер-программист,
ООО "Кейсистемс", г. Чебоксары,
Н. А. Галанина, д-р. техн. наук, доц., проф.,
Чувашский государственный университет имени И. Н. Ульянова, г. Чебоксары

Использование программного комплекса "Миграция-КС" для решения задачи импортозамещения базы данных

Рассмотрены пути решения проблемы импортозамещения и перевода программного обеспечения на систему управления базами данных с открытым кодом в государственных и муниципальных учреждениях. Приведены результаты подробного исследования основных этапов миграции баз данных, выявлены преимущества и недостатки различных способов миграции. Разработан и описан процесс миграции территориального подразделения, выполненный с помощью программного решения "Миграция-КС".
Ключевые слова: база данных (БД), миграция, система управления базами данных (СУБД), PostgreSQL , SQL Server, импортозамещение, OC Linux , Миграция-КС, трансформация схемы данных

С. 462-467

УДК 004.89
DOI: 10.17587/it.30.467-473

Д. М. Коробкин, канд. техн. наук, доц.,
Волгоградский государственный технический университет

Архитектура автоматизированной системы актуализации физических знаний с использованием ClickHouse и HDFS

Анализ мирового патентного массива, сайтов журналов в области физики, диссертаций подразумевает обработку больших объемов текстовых и графических данных, работу с различными источниками и форматами. Та­ким образом, актуальной является задача организации эффективного накопления, хранения и доступа к большим объемам текстовых и графических данных. Описана разработка концепции и архитектуры автоматизированной системы актуализации знаний в области физики для информационной поддержки поискового конструирования, которая использует централизованное хранилище данных и компоненты Apache Hadoop / Spark . Сформирована концепция и архитектура хранения единой базы знаний в области физики, использующая связанное хранение библиографической информации в СУБД ClickHouse , крупных блоков данных (текстовые поля патентов, журнальные статьи, изображения) в распределенной файловой системе HDFS . Проведена апробация на примере формирования выборки на основе патентных документов США ( USPTO ). Проверка корректности формирования патентной выборки проводилась путем сопоставления результатов кластеризации текстовой патентной ин­формации с принадлежностью патентов классам IPC.
Ключевые слова: патент, парсинг, кластеризации, ClickHouse , HDFS

Исследование выполнено за счет гранта Российского научного фонда № 23-21-00464, https :// rscf . ru / project /23-21-00464/

УДК 004.93, 004.89, 519.688
DOI: 10.17587/it.30.474-479

М. В. Гунер^{1, 2}, аспирант, ст. преп., А. Н. Сафонова¹, канд. техн. наук, доц., Ю. А. Маглинец¹, канд. техн. наук, проф.,
¹ ФГАОУ ВО "Сибирский федеральный университет", г. Красноярск,
² ФГБОУ ВО "Алтайский государственный технический университет им. И. И. Ползунова", г. Барнаул

Оценка самостоятельности прохождения вступительного онлайн-тестирования путем анализа угла поворота головы поступающего на основе методов нейросетевого распознавания изображений*

Рассматривается задача построения модели оценивания самостоятельности прохождения поступающим вступительного онлайн-тестирования на основе анализа направления его взгляда с помощью методов ней росетевого распознавания изображений. В качестве метрики оценки самостоятельности прохождения поступающим вступительного онлайн-тестирования по математике была взята приведенная разница между рейтингами этого лица до зачисления (балл, полученный по итогам онлайн-тестирования) и после зачисления (средняя оценка по математическим дисциплинам, посчитанная на основе результатов первой и второй экза­менационных сессий). Все эксперименты проведены на реальных данных. В роли детектора изображения головы поступающего и в качестве метода определения направления его взгляда использовалась сверточная нейронная сеть RealHePoNet. Точность детектирования изображения головы поступающих на кадрах коллекции составила 82,89%. Посредством анализа площади и соотношения сторон прямоугольников, ограничивающих изображение головы поступающего, удалось повысить точность детектирования до 97,81%. При превышении среднего значения угла поворота головы поступающего порога в 6,8° средняя приведенная разница между рейтингами до и после зачисления становится отрицательной, а при превышении 10,2° эта величина оказывается меньше -2 баллов, что свидетельствует о повышенной вероятности привлечения к сдаче экзамена посторонних лиц. Средний угол наклона головы поступающего свыше 46°, ровно как и подъем головы свыше 18°, также может свидетельствовать о мошеннических действиях со стороны сдающего экзамен.
Ключевые слова: распознавание изображений, нейронные сети, информационные технологии в образовании, приемная кампания, онлайн-тестирование, оценка знаний поступающих

C. 474-479

Исследование осуществлено при поддержке КГАУ "Красноярского краевого фонда поддержки научной и научно-технической деятельности" в рамках проекта "Цифровая импортозамещающая технология обнаружения лесных пожаров на основе использования уникальной российской спутниковой группировки Арктика-М с последующей интеграцией с системой ИСДМ-Рослесхоз" № 2023031409613. Работы поддержаны из средств гранта в форме субсидии НОЦ "Енисейская Сибирь" № 075-15-2023-620 от 29 августа 2023 года.

УДК 004.85, 303.732.4
DOI: 10.17587/it.30.480-485

Р. А. Дьяченко¹, д-р техн. наук, проф.,В. В. Довгаль¹, магистр, Д. А. Гура^{1, 2}, канд. техн. наук, доц.,
¹ Кубанский государственный технологический университет,
² Кубанский государственный аграрный университет

К вопросу сравнения эффективности нейронных сетей YOLOv8 и U-Net в задачах сегментации территориальных объектов

Целью данной научной работы является выявление наилучшей по показателю метрик Precision, Recall и mAP модели машинного обучения для решения задачи сегментации территориальных объектов на примере крыш зданий. Для достижения поставленной цели были решены такие задачи, как адаптирование иерархии датасетов, обучение моделей машинного обучения, получение метрик на валидационных изображениях и оценка полученных результатов.
Ключевые слова: U-Net , YOLOv 8, искусственный интеллект, компьютерное зрение, обнаружение изображений, сегментация изображений, информационные технологии, precision , recall

C . 480-485

Исследование выполнено при финансовой поддержке Кубанского научного фонда в рамках научно-инновационного проекта № НИП-20.1/22.16.

УДК 004.4, 004.8
DOI: 10.17587 it.30.486-496

Л. Ф. Тагирова, канд. пед. наук, доц.,
ФГБОУ ВО "Оренбургский государственный университет"

Двухэтапный нейросетевой алгоритм адаптации интерфейсов мобильных приложений к особенностям пользователей и характеристикам смартфона

Представлено описание алгоритма по формированию адаптивных интерфейсов мобильных приложений на основе анализа информации о пользователях и характеристиках их смартфонов.
Представлено описание двухэтапного подхода к адаптации интерфейса. На первом этапе реализуется подбор каждого компонента прототипа с учетом результатов оценки отличительных особенностей пользователей и технических характеристик его мобильного устройства. Второй этап предполагает персонализацию интерфейса с учетом поведения пользователя.
В качестве инструмента для реализации разработанного алгоритма адаптации предлагается использовать глубокую искусственную нейронную сеть (ИНС), представленную в виде многослойного персептрона. Входными данными при работе ИНС являются значения сформированности отличительных особенностей пользователей (профессиональных, психофизиологических, возрастных, гендерных, а также эмоционального состояния), выходными — компоненты будущего интерфейса.
Разработана программная реализация нейросетевого двухэтапного алгоритма при создании адаптивного интерфейса мобильного приложения обучающей системы. В результате работы данного приложения для каждого студента формируется уникальный интерфейс, сгенерированный с учетом его особенностей.
Внедрение разработанного мобильного приложения обеспечит комфортное взаимодействие между обучающимся и программой, позволит снизить его эмоциональную нагрузку, что в итоге будет способствовать повы­шению эффективности и качества подготовки студентов вуза.
Ключевые слова: адаптивный интерфейс, алгоритм адаптации, искусственный интеллект, нейронные сети, многослойный персептрон

C. 486-496

К оглавлению