Программные продукты и системы

Статьи из выпуска № 1 за 2020 год.

Упорядочить результаты по: Дате публикации | Заголовку статьи | Авторам

1. Автоматизация проектирования адаптивных пользовательских интерфейсов с элементами искусственного интеллекта [№1 за 2020 год]
Авторы: Зубкова Т.М., Тагирова Л.Ф., Тагиров В.К.
Просмотров: 5726
Проектирование пользовательского интерфейса – это больше чем распределение на экране управляющих элементов программы. Когнитивная психология объясняет, как человек читает, думает, запоминает. Это помогает проектировать пользовательские интерфейсы таким образом, что-бы ПО работало соответственно психологическим возможностям и ограничениям тех людей, для которых оно предназначено. В статье описана методика разработки адаптивных интерфейсов прикладных программ на основе оценки профессиональных качеств, психофизиологических особенностей, а также эмоционального состояния пользователей. Использование методов искусственного интеллекта при проектировании ПО позволяет учитывать особенности пользовательской аудитории. Определены характеристики, на основе которых для пользователей будет подбираться адаптивный интерфейс. Выделены три группы характеристик. К первой группе отнесены профессиональные качества при работе с компьютерной техникой, во вторую вошли психофизиологические особенности, в третью – эмоциональные состояния пользователя. Каждая из характеристик оценивается по трехбалльной шкале: высокий, низкий и средний уровень в зависимости от полученных баллов. Разработанная автоматизированная система позволяет на основе оценки пользователей формировать группы, каждой из которых предоставляется адаптированный прототип интерфейса прикладной программы. Для подбора оптимального прототипа интерфейса в приложении используется нечеткая экспертная система на основе продукционной модели представления знаний. Приведен пример подбора интерфейса для работы сотрудников налоговой службы, реализующих обработку данных физических и юридических лиц. Показано получение двух шаблонов интерфейса для опытных и неопытных пользователей. В результате пользователи с разными уровнем подготовки и возможностями могут более комфортно осуществлять свою профессиональную деятельность при работе с прикладной программой.

2. Алгоритм и программная реализация поиска отклонений значений параметров от норм промышленного оборудования [№1 за 2020 год]
Авторы: Колоденкова А.Е., Верещагина С.С.
Просмотров: 4376
Предлагается алгоритм поиска отклонений значений параметров промышленного оборудования от норм в условиях статистических и нечетких исходных данных с целью дальнейшего диагностирования оборудования на этапе эксплуатации. Рассмотрена обобщенная схема поиска отклонений значений параметров промышленного оборудования с использованием БД (паспортные данные на оборудование, ГОСТы и нормативную документацию) и базы знаний, содержащей знания и опыт дежурного персонала о значениях параметров оборудования, факторах, способных повлиять на работоспособность оборудования, и т.д., представленных в виде словесных описаний и интервалов. Предложен алгоритм поиска отклонений значений параметров промышленного оборудования от норм с использованием БД. Данный алгоритм в системах поддержки принятия решений по диагностированию оборудования не только позволяет ответить на вопрос, когда возникло отклонение значения параметра, но и дает возможность определить продолжительность и среднее значение отклонения. Рассмотрены инфологическая модель БД, представляющая собой описание сущностей, с набором атрибутов и связей между ними, которые выявляются в процессе исследования как входных, так и выходных данных, а также даталогическая модель БД, отображающая логические связи между элементами данных. В качестве примера приведены экранные формы пользовательского интерфейса разработанной программной системы на языке программирования C# для поиска отклонений значений параметров. Применение разработанной программной системы позволит, во-первых, дежурному персоналу не обращаться постоянно к паспортным данным на оборудование, ГОСТам и нормативной документации, представленной в бумажном виде, во-вторых, отказаться от перебора всевозможных причин отклонений при поиске, в-третьих, устранить необоснованные ремонты оборудования.

3. Алгоритм комплексирования маршрутов для разработки электронной модели территориальной схемы обращения с отходами [№1 за 2020 год]
Авторы: Христодуло О.И., Абдуллин А.Х., Багаманшина Г.Ф.
Просмотров: 3883
Реформа сферы обращения с отходами затрагивает множество аспектов, и вопросы рациональной организации транспортирования отходов актуальны для всех регионов России. Одним из направлений совершенствования территориальных схем является снижение затрат на доставку отходов до полигонов или мест утилизации, а также тарифов для населения. Для совершенствования заложенной в основу схемы модели требуется проведение анализа и распределения потоков отходов с учетом динамики образования отходов, пространственных особенностей муниципальных территорий, определения темпа накопления отходов на полигонах. Решается задача комплексирования маршрутов перевозки отходов для совершенствования электронной модели территориальной схемы обращения с ними. В статье рассматривается ряд наиболее известных моделей и подходов к распределению материальных потоков в пространственно-распределенных системах, оценена их применимость для модификации схем. Выяснено, что ни один из таких подходов нельзя напрямую применить к сфере обращения с отходами. Известные алгоритмы транспортной логистики не способны учесть совокупность факторов, характерных для сформировавшейся в регионе модели транспортирования отходов, требуются их сочетание и доработка. Формализуется описание организации сбора, утилизации и захоронения отходов, а также распределения потоков твердых коммунальных отходов от локальных центров до полигонов. Представлен алгоритм комплексирования маршрутов перевозки отходов. Авторами на основе предложенного алгоритма разработан пакет скриптов, с помощью которых проведены анализ и моделирование потоков транспортирования отходов. Результаты комплексирования маршрутов позволяют разработать целостную и непротиворечивую электронную модель территориальной схемы обращения с отходами.

4. Гибридный метод автореферирования научно-технических текстов на основе риторического анализа [№1 за 2020 год]
Авторы: Батура Т.В., Бакиева А.М.
Просмотров: 3483
Непрерывное увеличение интенсивности потока текстовой информации делает все более важной задачу семантического сжатия текстов. Связи между дискурсивными маркерами в тексте задают иерархию, которая позволяет решать различные задачи обработки текстов на естественном языке, в том числе и задачу автоматического составления краткого реферата по тексту большого объема. В данной статье описан оригинальный метод автореферирования научно-технических текстов на основе риторического анализа и с использованием методов тематического моделирования. Предложенный метод сочетает в себе использование лингвистической базы знаний, графовое представление текстов и машинное обучение. Для обнаружения ключевых терминов используется тематическое моделирование. Сначала строятся униграммные тематические модели, содержащие только однословные термины. Далее эти модели расширяются путем добавления многословных терминов. Наиболее значимые фрагменты исходного документа определяются в процессе риторического анализа при помощи дискурсивных маркеров. Представление текстов в виде графов помогает наглядно продемонстрировать преобразования, необходимые для выделения важных фрагментов текстов. При оценке важности фрагментов текста также учитываются ключевые слова, многословные термины и научная лексика, характеризующая научно-технические тексты. Для хранения информации о маркерах была создана лингвистическая база знаний. Заключительным этапом формирования аннотации яв-ляется сглаживание – процедура преобразования текста, позволяющая сделать текст полученного реферата (аннотации) более связным и последовательным. Результаты экспериментов показали эффективность предложенного метода и возможность его адаптации для обработки текстов разных тематик на других языках.

5. Интегрированная среда разработки с поддержкой структурного редактирования для языка программирования Go [№1 за 2020 год]
Авторы: Ванясин Н.В., Сидоркина И.Г.
Просмотров: 5235
Одним из главных инструментов для разработчика ПО является интегрированная среда разработки. В статье описывается программная реализация интегрированной среды разработки со структурным редактором, позволяющей создавать и редактировать программные проекты с использованием языка программирования Go. Структурные редакторы дают возможность редактировать исходный код программ как иерархическую структуру вложенных блоков – узлов синтаксического дерева исходного кода, а не набор символов и строк текста. Программная реализация, рассмотренная в данной статье, отличается от известных способом представления хранимого состояния исходного кода, а также пользовательским интерфейсом структурного редактора, бдагодаря которому ускоряются действия над исходным кодом. Предложенное решение позволяет повысить производительность среды разработки, а также эффективность работы программиста. Рассмотрены основные подсистемы и компоненты предлагаемой информационной системы, их назначение и функции. Приведены описание интерфейса взаимодействия с пользователем и его основные отличия. Одним из основных преимуществ разработанной системы является функция контроля версий, позволяющая отслеживать изменение иерархической структуры кода, а не текста исходного кода, что помогает разработчику ПО получать более детализированную и однозначную информацию при просмотре, слиянии и разрешении конфликтов в истории версий. В работе представлены результаты экспериментальных исследований производительности интегрированной среды разработки, демонстрирующие эффективность созданной системы. Описаны результаты внедрения программной реализации в производственный и учебный процессы. Сделаны выводы и предположения о возможных перспективах развития структурного программирования для решения промышленных задач.

6. Интеллектуальный анализ видеоданных для распознавания ситуаций угона автомобиля на парковке [№1 за 2020 год]
Авторы: Кручинин А.Ю., Галимов Р.Р.
Просмотров: 2610
Для предотвращения и расследования различных инцидентов активно используются системы видеонаблюдения. Основным недостатком традиционных решений в этой области является то, что оценивает текущую ситуацию и принимает решение непосредственно оператор, поэтому при большом количестве контролируемых камер и в силу человеческого фактора существует высокая вероятность увеличения времени определения опасной ситуации. Это приводит к значительному ущербу, особенно в тех случаях, когда необходимо оперативно реагировать на инцидент, например, при угоне автомобильного транспорта. Данные обстоятельства обусловливают необходимость внедрения систем интеллектуального анализа видеоданных. В работе предложен метод распознавания ситуаций угона автомобильного транспорта с пар-ковки, основанный на стохастических грамматиках и глубоких нейронных сетях. Распознавание инцидента происходит на двух основных уровнях: на нижнем уровне распознаются события, а на верхнем – ситуации как наиболее вероятные цепочки событий, соответствующие грамматике сиг-натур угона автомобиля. Детектирование событий возможного угона выполняется на основе анализа выявленных объектов, их взаимного расположения, динамических характеристик траектории движения и особенностей поз людей. Распознавание объектов и поз людей осуществляется на основе глубоких нейронных сетей, характеризующихся на современном этапе развития высокой степенью достоверности. В статье описана разработанная имитационная модель системы распознавания ситуаций угона автомобильного транспорта, которая базируется на модуле распознавания объектов с помощью глубокой нейронной сети. Повышение оценки достоверности распознавания события осуществляется за счет учета истории определенных объектов на предыдущих кадрах и при необходимости данных о позе человека. Для описания возможных сценариев угона автомобильного транспорта разработана стохастическая грамматика, на основе которой создана тестовая утилита. Результаты тестирования разработанного метода на наборе данных Mini-deone video dataset показали ее работоспособность.

7. Использование алгоритмов оптимизации с самообучением для управления динамически изменяющимися системами [№1 за 2020 год]
Автор: Костенко В.А.
Просмотров: 4339
В статье предлагается подход к управлению динамически изменяющимися системами. В ходе работы они могут изменять свое состояние: состав оборудования, нагрузку и выполняемые функции. Необходимо выбирать значения управляющих параметров в зависимости от состояния системы таким образом, чтобы обеспечить требуемые значения характеристик ее работы. Для решения этой задачи авторы предлагают использовать оптимизационные алгоритмы с самообучением: направленного случайного поиска с самообучением и муравьиные. Эти алгоритмы, действуя методом проб и ошибок, позволяют настраиваться на текущее состояние системы за счет введения в алгоритмы памяти об удачном и неудачном выполнении предыдущих шагов. Основная идея применения алгоритмов с самообучением для управления системой заключается в том, что задача управления рассматривается как задача безусловной оптимизации. Элемента-ми вектора оптимизируемых переменных являются управляющие параметры системы. Шаги алгоритмов рассматриваются как возможные действия по управлению системой (операции изменения значений управляющих параметров). Целевая функция может быть задана одним из двух способов: как суммарное среднее отклонение характеристик работы системы от требуемых (важность характеристик можно учесть с помощью весов при суммировании отклонений) и как максимальное отклонение характеристик работы системы от требуемых. Предложенный подход к управлению допускает нестабильное поведение окружающей среды, ограниченность информации об управляемой системе и позволяет учитывать наличие многих характеристик работы системы, значения которых требуется поддерживать в заданных пределах. Если отказ элементов системы не приводит к отказу системы в целом, а лишь ухудшает значения характеристик работы системы, то при использовании данного подхода отклонения значений характеристик от требуемых будут минимизироваться. Ограничением данного подхода является допустимость переходного процесса при смене со-стояния системы. При изменении состояния системы алгоритму потребуется ряд шагов для пере-обучения. Некоторые шаги могут приводить к нарушению требуемых характеристик работы системы.

8. Методика решения задачи антиспуфинга по ограниченному количеству фотографий [№1 за 2020 год]
Авторы: Русаков К.Д., Генов А.А., Хиль С.Ш.
Просмотров: 6151
В настоящее время задача предоставления высокого уровня безопасности мобильных устройств, таких как смартфоны и планшеты, посредством биометрических подходов особо актуальна. В статье предложена методика решения задачи антиспуфинга по ограниченному количеству изображений. Исследуются детекции spoof-атак с использованием распечатанных фотографий и экранов мобильных устройств и мониторов. Показаны актуальность исследования и нерешенность задачи в целом. Рассмотрена структура типовой системы Liveness, состоящей из источника (камеры), препроцессинга получаемых изображений, детекции лиц, модуля признаков и классификатора. В ходе исследования отмечено, что предобработка получаемых изображений является одной из самых главных частей системы, так как вследствие обширности аугментаций признаки spoof-атак выявляются тяжело. Дается небольшой обзор современных архитектур сверточных нейронных сетей (в терминологии текущей архитектуры – энкодеров), а также показано, что линейный выход сверточных нейронных сетей можно использовать как вход для рекуррентных нейронных сетей типа LSTM. Отмечается, что для детекции лиц наилучшим алгоритмом в условиях текущей архитектуры является MMOD-метод. Итоговая архитектура системы Liveness представлена как комбинированный подход, состоящий из сверточной нейронной сети, получающей эмбеддинги от каждого кадра, и рекуррентной нейронной сети LSTM, использующей эти эмбеддинги на входе и обучающейся запоминанию последовательности определенных кадров и их характеристик. Представлены результаты экспериментов, показывающие показатели точности текущих разработок в данной области при условии довольно низких требований к вычислительной мощности. Данная методика позволяет достаточно достоверно определять поддельность фотографии по нескольким кадрам.

9. Моделирование одновременного переноса жидкости и газа: практический подход [№1 за 2020 год]
Авторы: Коряков А.П., Костюков И.Б., Рыбаков М.Н.
Просмотров: 2454
Рассматривается задача моделирования процесса переноса жидкости и газа в системах, состоящих из емкостей разного объема, соединенных между собой трубами различной длины и раз-личного диаметра. Предлагается модель, основанная на системе дифференциальных уравнений, описывающих изменение массы вещества в емкостях и величины потока вещества в трубах. В этой модели, по-мимо параметров емкостей и труб, учитываются также и различные параметры жидкости и газа: плотность, температура, молярная масса и некоторые другие. Описание сопровождается формулами, а сами форму- лы – необходимыми пояснениями. Обсуждаются высокие требования подобных моделей к затратам вычислительных ресурсов, прежде всего временны́х. Предлагается ряд эвристических идей, позволяющих существенно уменьшить эти затраты. Уделяется внимание каждой из предлагаемых идей по отдельности, взаимодействию их воплощений, а также необходимым ограничениям по их использованию. Описываются ключевые технические моменты компьютерной реализации модели, включая предлагаемые эвристические идеи и возможности настройки различных параметров, влияющих на точность и время выполнения вычислений. Все описания приводятся без привязки к какому-либо конкретному языку программирования. Демонстрируются возможности расширения предложенной модели с целью включения в нее элементов, моделирующих работу различных устройств: клапанов, редукторов, насосов. Для каждого из этих устройств предлагается реализующая его модель. В конце работы формулируются выводы о возможностях модели и ее компьютерной реализации. Кроме того, обсуждаются некоторые вопросы, оставшиеся за рамками рассмотрения, в частности, возможность распараллеливания вычислений.

10. Модуль разрешения морфологической неоднозначности: архитуктура и организация базы данных [№1 за 2020 год]
Авторы: Мухамедшин Д.Р., Сулейманов Д.Ш.
Просмотров: 6600
Системы управления корпусными данными помогают решать целый ряд актуальных задач, связанных с компьютерной лингвистикой. В частности, это обработка исходных документов, их автоматическая морфологическая разметка, хранение и изменение корпусных данных с морфологической разметкой, выполнение поисковых запросов (выборок данных), интеграция с другими приложениями. При автоматической морфологической разметке текстов электронного корпуса часто возникает проблема, когда одна и та же словоформа может быть размечена двумя и более наборами морфологических свойств, что называется морфологической неоднозначностью. Авторами был разработан модуль для ручного снятия морфологической неоднозначности, который может помочь в решении проблемы. В данной статье рассмотрена архитектура модуля разрешения морфологической неоднозначности системы управления корпусными данными, разработанной для управления татарским корпусом, и описана организация БД, основанная на транзакционном подходе к хранению данных. В статье подробно описана архитектура программной части модуля, который является частью системы управления корпусными данными «Туган Тел». Благодаря архитектуре системы управления корпусными данными подобные модули могут быть быстро интегрированы в систему и не влиять на работу других модулей. Описанная в статье организация БД модуля разрешения морфологической неоднозначности позволяет перейти к решению других задач компьютерной лингвистики, таких как автоматическое разрешение морфологической неоднозначности и улучшение автоматической морфологической разметки текстов электронного корпуса.

| 1 | 2 | 3 | Следующая → ►