ISSN 0236-235X (P)
ISSN 2311-2735 (E)

Публикационная активность

(сведения по итогам 2019 г.)
2-летний импакт-фактор РИНЦ: 0,597
2-летний импакт-фактор РИНЦ без самоцитирования: 0,466
Двухлетний импакт-фактор РИНЦ с учетом цитирования из всех
источников: 1,051
5-летний импакт-фактор РИНЦ: 0,466
5-летний импакт-фактор РИНЦ без самоцитирования: 0,395
Суммарное число цитирований журнала в РИНЦ: 7808
Пятилетний индекс Херфиндаля по цитирующим журналам: 295
Индекс Херфиндаля по организациям авторов: 369
Десятилетний индекс Хирша: 20
Место в общем рейтинге SCIENCE INDEX за 2019 год: 272
Место в рейтинге SCIENCE INDEX за 2018 год по тематике "Автоматика. Вычислительная техника": 6

Больше данных по публикационной активности нашего журнале за 2008-2018 гг. на сайте РИНЦ

Добавить в закладки

Следующий номер на сайте

4
Ожидается:
16 Декабря 2020

Статьи из выпуска № 1 за 2020 год.

Упорядочить результаты по:
Дате публикации | Заголовку статьи | Авторам

1. Программный комплекс управления подготовкой IT-специалистов SkillsForYou [№1 за 2020 год]
Авторы: Борисов В.В., Янукович С.П., Мрочек Т.В., Ореховский Д.С.
Просмотров: 1168
В настоящее время предлагаемые на рынке образовательных услуг варианты подготовки IT-специалистов в подавляющем большинстве не учитывают личностные особенности обучающихся, а также потребности рынка в кадрах. Для решения этих задач авторами разработан на Python программный комплекс SkillsForYou, имеющий модульную структуру, что позволяет реализовать поддержку подготовки IT-специалистов на основе цикла автоматизированного управления подготовкой. Цикл построен на основе теории управления организационными системами и состоит из этапов планирования, организации, стимулирования, контроля. Комплекс SkillsForYou содержит большое количество учебных курсов разной сложности по различным языкам и технологиям про-граммирования (Java, C#, Python, JavaScript, HTML, CSS, PHP). В SkillsForYou входит модуль анализа личностных и психологических качеств обучающихся, содержащий множество различных психологических тестов для оценки уровня сформированности качеств, необходимых IT-специалистам, и формирования команд специалистов для совместной работы в проектах. В математическом модуле по итогам психологического тестирования и результатам вычислений с применением алгоритмов роевого интеллекта определяются рекомендации по организации процесса обучения для каждого обучающегося. В работе алгоритмов роевого интеллекта используется статистика по сложности выбираемых для решения задач. Для учебных курсов задачи подбираются в соответствии с таксономией целей обучения Блума, а для оценки сложности решаемых задач преподаватель курса назначает задачам стоимость. С целью упрощения поиска претендентов HR-специалистами и работодателями в программном комплексе ведутся история прохождения учебных курсов и рейтинг обучающихся.

2. Архитектура системы предсказательного технического обслуживания сложных многообъектных систем в концепции Индустрии 4.0 [№1 за 2020 год]
Авторы: Сай Ван Квонг, Щербаков М.В.
Просмотров: 1314
Правильно сформированная стратегия технического обслуживания и ремонта оборудования играет критическую роль в современных экономических условиях, характеризующихся высоким уровнем конкуренции. В последнее время в рамках внедрения концепции Индустрия 4.0 в области организации технического обслуживания и ремонта сложных многообъектных систем наиболее перспективными представляются подходы, основанные на использовании передовых методов анализа больших массивов данных на базе инновационных технологий искусственного интеллекта. В основном речь идет о концепции предсказательного технического обслуживания, а именно о создании предсказательных моделей для предотвращения отказов оборудования. Такая стратегия технического обслуживания и ремонта позволяет переходить от грубого планового обеспечения к обеспечению функционирования по состоянию с учетом прогнозирования изменений состояния систем с целью достижения их максимальной производительности при минимальных затратах. В данной работе рассматриваются ключевые элементы для реализации концепции предсказательного технического обслуживания. В результате авторами предложена архитектура системы предсказательного технического обслуживания сложных многообъектных систем в концепции Индустрии 4.0. Система включает в себя три модуля: оффлайн-анализа накопленных данных, онлайн-анализа потоковых данных и поддержки принятия решений. Основными функциями первых двух модулей являются раннее обнаружение и прогнозирование отказов оборудования на основе обработки сенсорных данных с использованием методов машинного обучения. На основе информации, полученной из модуля онлайн-анализа, в модуле поддержки принятия решений формируются оптимальные решения при выборе стратегии воздействия на оборудование при необходимости. Такие решения соблюдают оптимальный баланс между затратами на проведение технологических воздействий и величиной потенциальных ущербов и рисков от отказа оборудования.

3. Проблема специализации в иерархических обучающихся системах управления на примере задачи фуражировки [№1 за 2020 год]
Авторы: Овсянникова Е.Е., Ровбо М.А.
Просмотров: 1103
В статье рассматривается проблема специализации в мультиагентной системе, состоящей из одинаковых, способных к обучению агентов, для которой в поставленной задаче можно выделить слабо связанные подцели. Была предложена и рассмотрена иерархическая система управления с обучением на задаче фуражировки с различными типами ресурсов, основанная на ε-жадном Q-обучении. Перед группой изначально одинаковых агентов стоит задача сбора на базу нескольких типов ресурсов, рас-положенных в среде, при этом ресурсы требуется собирать в определенной пропорции и награда дается лишь за транспортировку на базу недостающего ресурса. Предложенная система управления состоит из нескольких уровней. Верхний уровень отвечает за выбор типа ресурса, который агент собирается принести на базу, нижний – за выбор алгоритмов, каждый из которых способен к обучению и определяет навык сбора определенного типа ресурса. Таким образом, в подобной многоагентной системе иерархия в управлении позволяет изначально одинаковым агентам формировать в течение работы разные навыки по сбору ресурсов. Рассматриваемая гипотеза состоит в том, что, несмотря на отсутствие в задаче предпосылок к оптимизации путем специализации (идеально работающие агенты могли бы собирать разные ресурсы попеременно), возникающая в ходе работы разница в накопленном опыте может сделать специализацию разных агентов на разных ресурсах более эффективной. Результаты были получены с помощью вычислительного эксперимента на компьютерной модели. Эффект специализации наблюдался при определенных условиях. Также была отмечена стабилизация эффективности работы многоагентной системы за счет специализации и введения иерархии в систему управления.

4. Разработка программного продукта для построения карты создания ценности [№1 за 2020 год]
Авторы: Гуньков С.А., Акимов С.С.
Просмотров: 1092
В представленной работе рассматриваются проблемы построения карты потока создания ценности. Определено, что данная карта является элементом бережливого производства и позволяет визуализировать материальные потоки, выделяя те из них, которые добавляют ценность создаваемому продукту. При этом отмечено, что построение подобных карт вручную является сложной и рутинной работой, а относительная простота отображения процессов дает возможность для их алгоритмизации, что составляет предпосылки для разработки программного продукта, реализующего карты потока создания ценности. В статье сделан обзор существующих программных продуктов, имеющих в своем функционале возможность построения карт потоков создания ценности. Перечислены основные характеристики и функциональные особенности, а также приведена система оценки данных программных продуктов. Определено, что, несмотря на многообразие существующих программных решений, в настоящее время нет программного продукта, реализующего карту потока, с интерфейсом на русском языке. Кроме того, каждый программный продукт достаточно дорогой, что ограничивает его применение. Поэтому было принято решение о разработке собственного программного продукта на базе Аэрокосмического института Оренбургского государственного университета. В результате реализовано новое ПО на русском языке, которое является узкоспециализированным и выполняет все необходимые функции для построения карт потоков.

5. Trapper: программный пакет для создания загрузочных образов, предназначенных для использования в IBM PC-совместимых компьютерных системах [№1 за 2020 год]
Author: Y.I. Klimiankou
Просмотров: 1047
В статье представлен обзор процесса начальной загрузки IBM PC-совместимых компьютерных систем и предложена архитектура программного пакета предназначенного для создания загрузочных образов, которые необходимы для подготовки и запуска операционной системы, и ориентированного на поддержку загрузки операционных систем с альтернативными архитектурами, такими как микроядроядерные, экзоядреные и многоядерные ОС. Данная система представляется в виде трех отдельных наборов независимых загрузочных модулей, дополненных приложением Boot Image Builder, предназначенным для создания загрузочных образов операционной системы путем интеграции загрузочных модулей в единый бинарный образ и связывания их друг с другом для организации целостной цепочки загрузчиков, необходимой для приведения операционной системы в работоспособное состояние. Архитектура предлагаемой программной системы отражает принципиальные этапы процесса загрузки компьютерной системы. Каждый набор загрузочных модулей связан с определенным этапом загрузки и образует слой, решающий свой собственный четко определенный набор задач и опирающийся на четко определенные межслойные интерфейсы для строгой изоляции зависимостей от загрузочного устройства, нижележащего встроенного программного обеспечения и специфики загружаемой операционной системы. В статье представлена реализация предлагаемой архитектуры для генерации загрузочных образов, созданная для исследовательской многоядерной операционной системы, а также объясняется процесс загрузки последней. Кроме того, предложена идея полного отделения кода инициализации от кода ядра операционной системы и его перемещения в независимый модуль загрузчика ОС. Следование этой идее при-водит к исключению мертвогокода, связанного с инициализацией, из ядра ОС. В традиционных операционных системах такой код выполняется единожды при загрузке системы, однако, будучи частью исполняемого двоичного образа ядра, продолжает занимать память на всем протяжении работы компьютерной системы, вплоть до завершения ее работы.

6. Применение машинного обучения для прогнозирования времени выполнения суперкомпьютерных заданий [№1 за 2020 год]
Авторы: Баранов А.В., Николаев Д.С.
Просмотров: 1042
Статья посвящена методам и алгоритмам машинного обучения для прогнозирования времени выполнения суперкомпьютерных заданий. Статистика работы суперкомпьютерных систем коллективного пользования показывает, что фактическое время выполнения большинства заданий существенно расходится со временем, запрошенным пользователем. Это снижает эффективность планирования заданий, поскольку неточная оценка времени выполнения приводит к неоптимальному расписанию запусков заданий. В статье рассмотрена классификация заданий, в основу которой положено отношение фактического времени выполнения задания к запрошенному. Всего было определено шесть классов заданий, причем отношение фактического времени выполнения к запрошенному для каждого класса на порядок отличается от предыдущего класса. Прогнозирование времени выполнения задания осуществляется на основе данных статистики суперкомпьютерной системы коллективного пользования путем отнесения поступающего в систему задания к одному из классов. В качестве исходных данных была использована представленная в формате SWF статистика суперкомпьютера RIKEN Integrated Cluster of Clusters (RICC). Результаты анализа этих статистических данных позволили выявить значимые для машинного обучения признаки потока заданий, было проведено ранжирование признаков по важности и обнаружены скрытые закономерности, влияющие на точность прогнозирования, в частности, определена взаимная корреляция отобранных признаков. Для распространенных алгоритмов машинного обучения, таких как логистическая регрессия, дерево решений, k ближайших соседей, линейный дискриминантный анализ, метод опорных век-торов, случайный лес, градиентный бустинг, нейронная сеть прямого распространения, были получены оценки вероятности верного прогноза. Наилучшие значения показали алгоритмы дерева решений, случайного леса и нейронные сети прямого распространения.

7. Разработка метода защиты геоинформационных систем и пространственных данных на основе нейронной сети [№1 за 2020 год]
Авторы: Татарникова Т.М., Степанов С.Ю., Петров Я.А., Сидоренко А.Ю.
Просмотров: 1197
Для эффективного решения научно-практических и теоретических задач инвентаризации, анализа, моделирования, прогнозирования, управления системами окружающей среды и территориальной организацией сообществ широко используются геоинформационные системы. Актуальность работы обусловлена необходимостью совершенствования методического аппарата для обнаружения возможных угроз в условиях динамики их роста и изменения концепций воздействий на пространственные данные в геоинформационных системах поддержки принятия решений. В ходе работы выполнен анализ требований к структуре систем защиты при обработке информации в геоинформационных системах. Приведен метод решения задач по созданию и поддержке эксплуатации систем защиты пространственной информации в геоинформационных си-стемах. Для решения задачи выбран и модифицирован алгоритм искусственной нейронной сети для обнаружения распределенных атак типа DDoS, целью которых является отказ в обслуживании и препятствование доступу легитимных пользователей к атакуемому приложению. На основе предложенного алгоритма разработана программа на языке высокого уровня Python. Программа включает в себя ряд компонентов, отвечающих за пополнение базы знаний нейронной сети, что, в свою очередь, позволяет строить произвольные архитектуры искусственной нейронной сети; анализатор трафика пакетов, так называемый сниффер, обеспечивающий фильтрацию пакетов по определенным сетевым протоколам модели взаимодействия открытых систем; связующий модуль, позволяющий направлять данные сниффера в базу знаний искусственной нейронной сети. Нейронная сеть может работать в двух режимах обучения: без учителя (самообучаемая) и с учителем, что, в свою очередь, дает пользователю возможность задавать начальные веса либо загружать файл с готовой базой знаний. Результаты работы показывают, что искусственная нейронная сеть является одним из механизмов обнаружения потенциально опасных угроз в геоинформационных системах для поддержки принятия управленческих решений.

8. Программный модуль автоматизированного расчета параметров экранов защиты бортовой электронной аппаратуры от радиационного воздействия [№1 за 2020 год]
Авторы: Зинченко Л.А., Казаков В.В., Миронов А.А., Дорофеев А.В., Кобылкин С.С.
Просмотров: 1074
При проектировании экранов защиты бортовой электронной аппаратуры от радиационного воздействия требуется проводить большое количество расчетов. Существующая методическая база для расчета таких экранов не позволяет выполнять автоматизированные анализ и обработку данных, полученных в результате расчетов, и проектировщику приходится делать это вручную. Статья посвящена особенностям разработанного программного модуля, позволяющего автоматизировать процессы расчета параметров экранов защиты электронной аппаратуры от радиационного воздействия и влияния воздействия тяжелых заряженных частиц на экран радиационной защиты, а также осуществлять оценку стойкости различных проектных решений к воздействию тяжелых заряженных частиц. Предложена клиент-серверная архитектура, с помощью которой можно организовать много-поточный расчет защитных экранов на множестве подключенных клиентов. Разработана база хранения уже рассчитанных параметров экранов с доступом онлайн. Детально рассмотрен принцип работы всей системы, а также представлены варианты сценариев ее использования. Разработан веб-интерфейс, позволяющий вносить данные для расчетов с любых устройств, имеющих доступ в Интернет, а также просматривать результаты уже проведенных расчетов. Тестирование проводилось на серверах, где разработанный программный модуль показал стабильную работоспособность.

9. Разработка системы управления педипуляторами антропоморфного робота АР-601М [№1 за 2020 год]
Авторы: Тарачков М.В., Толстель О.В., Калабин А.Л.
Просмотров: 1063
В статье представлена реализация системы управления педипуляторами для антропоморфного робота АР-601М. Предложенная система управления состоит из драйвера, обеспечивающего взаимодействие бортового компьютера с главным микроконтроллером робота, и управляющей программы, решающей задачу обратной кинематики и позволяющей осуществлять планирование движений каждого педипулятора в заданную точку. Также управляющая программа обладает графическим интерфейсом для отображения трехмерной модели робота в пространстве. Для построения данной системы управления педипуляторами была использована свободно распространяемая программная платформа Robot Operating System (ROS), в частности, пакеты ROS_Control для реализации низкоуровневого взаимодействия, MoveIt! для планирования движений, RViz для визуализации. Вследствие этого необходима операционная система Linux Ubuntu 16.04. Комплекс программ для управления педипуляторами написан на языке программирования С++. Выбор языка программирования обусловлен тем, что для решения данной задачи необходимы наилучшее быстродействие и соизмеримый с этим объем затрат на написание кода. Для языка С++ существует библиотека ввода-вывода ASIO, при помощи которой и выполняется взаимодействие с контроллером робота. В статье приведены результаты эксперимента по использованию предложенной системы управления педипуляторами антропоморфного робота АР-601М, а также возможные варианты применения описанной программы. Разработанная система управления педипуляторами создает уровень абстракции между аппаратным и программным обеспечением, что позволяет исследователям сконцентрироваться на решении задачи хождения. Кроме того, программа обладает удобным графическим визуализатором. Рассматривается возможность доработки программы для использования в ее составе инерциально-измерительного модуля, который позволит получать данные об ускорениях и угловых скоростях робота, а после применения к ним фильтра Калмана или Маджвика – углы ориентации в пространстве.

10. Система поддержки принятия решений по управлению рисками опасных ситуаций в сложных системах газоснабжения [№1 за 2020 год]
Авторы: Кантюков Р.Р., Бутусов О.Б., Мешалкин В.П., Панарин В.М.
Просмотров: 1019
Разработаны архитектура и программно-информационное обеспечение системы поддержки принятия решений по анализу и снижению рисков аварийных ситуаций в сложных системах газоснабжения и по уменьшению воздействия аварийных ситуаций на лесные массивы. Для выработки рациональных решений в системах поддержки принятия решений используются специальные блоки расчета показателей технологических и экологических рисков. Расчет показателей экологических рисков осуществляется по оценкам воздействия на лесные массивы аварийных ситуаций в сложных системах газоснабжения. При разработке ПО системы поддержки принятия решений проведена детальная классификация возможных аварийных ситуаций в сложных системах газоснабжения и разработаны процедуры принятия соответствующих научно-обоснованных решений системы поддержки принятия решений по ликвидации опасных ситуаций. При разработке алгоритмического и программно-информационного обеспечения системы впервые введен ряд новых показателей безопасности сложных систем газоснабжения. В качестве основных показателей рисков использованы техногенные риски (промышленный, экологический, социальный) возникновения опасных (аварийных) ситуаций на сложных системах газоснабжения. Риски позволяют оценить возможный ущерб природной среде в случае возникновения аварийных ситуаций в сложных системах газоснабжения. Для оценки экологического ущерба, нанесенного лесным массивам аварийными ситуациями, на сложных системах газоснабжения предложено использовать сегментацию спутниковых изображений территории с помощью методов кластерного анализа. При этом компьютерное моделирование атмосферного переноса газовых выбросов, биогеоценотические БД и зависимости «доза–эффект» позволяют непосредственно определять интегральные показатели ущерба лесным массивам по величине дозы. При разработке ПО использованы Microsoft Visual Studio (языки программирования Си++ и Си-шарп), пакет компьютерной математики Матлаб, а также БД и современные средства информационно-компьютерных технологий.

| 1 | 2 | 3 | Следующая →