Software & Systems

Все новости информационных технологий

211. 09.10.2019
В Смоленском филиале Национального исследовательского университета МЭИ составили прогноз состояния объекта на основе применения фильтра Калмана и глубоких нейронных сетей.
В основе предлагаемого метода лежит последовательное использование глубокой искусственной нейронной сети и фильтра Калмана. Нейронная сеть предназначена для уменьшения размерности входных данных (изображений), реализуя функцию энкодера, с выхода которого снимается вектор наблюдений за состоянием объекта. На основании этих наблюдений осуществляется оценка состояния объекта рекуррентным фильтром. Использование фильтра непосредственно для изображений привело бы к большой размерности задачи и практической невыполнимости из-за вычислительных трудностей.

212. 02.10.2019
В Инженерной школе информационных технологий и робототехники Томского политехнического университета разработана специализированная сервисная шина для создания единого информационного пространства компаний нефтегазовой отрасли.
Сервисная шина предприятия является связующим ПО для централизованного и унифицированного событийно-ориентированного обмена сообщениями между различными информационными системами.

213. 25.09.2019
В компании «ЭС ЭНД ТИ УКРАИНА» исследовались особенности использования DWDM-технологии для уплотнения оптических каналов.
В отличие от классических оптических технологий, использующих одну пару волокон для передачи данных одного канала, основной особенностью DWDM является возможность по одной паре волокон передавать n-е количество каналов. Это достигается за счет передачи каждого потока данных на смежных несущих частотах, рабочий диапазон которых в технологии DWDM принято называть волнами.

214. 11.09.2019
В Тверском государственном техническом университете разрабатывались программы моделирования температурных полей в изделиях цилиндрической формы.
На основе стандартной функции pdepe в среде MatLab программа позволяет по заданным теплофизическим характеристикам материала (коэффициентам теплопроводности, температуропроводности) и параметрам конвективно-радиационного теплообмена (коэффициентам конвективной теплоотдачи и приведенным степеням черноты) моделировать температурное поле в изделии.

215. 04.09.2019
В Филиале ВУНЦ ВМФ «Военно-морская академия» совместно с Управлением Балтийского флота исследовали сетевые автоматизированные системы управления техническим обеспечением ВМФ.
Объектом исследования являлась создаваемая сетевая структура технического обеспечения в Военно-Морском Флоте.

216. 28.08.2019
В Военной академии воздушно-космической обороны им. Маршала Советского Союза Г.К. Жукова разработана информационная технология верификации специального программного обеспечения автоматизированных систем военного назначения.
Создание подобного специального ПО, отвечающего современным требованиям к функциональности, обусловливает необходимость совершенствования мероприятий процесса разработки, в частности, верификации как основного вида работ по контролю качества программного продукта.

217. 21.08.2019
В Тюменском государственном университете исследовали нейросетевые модели для классификации текстовых фрагментов, содержащие биографическую информацию.
Проведены эксперименты по сравнению архитектур нейронных сетей для решения задачи классификации текстов на естественном языке, которая является одной из важных задач информационного поиска. Пути ее решения разнообразны, однако в последнее время на фоне общей тенденции использования механизмов машинного обучения в слабоформализуемых предметных областях все большую популярность приобретают методы, построенные на применении нейронных сетей.

218. 14.08.2019
В Тверском государственном университете предложена архитектура системы мониторинга производственных процессов в условиях географической распределенности производства.
Система позволяет работать в распределенном режиме, что значительно упрощает внедрение и эксплуатацию в условиях географической распределенности производства. Все компоненты, подсистемы, а также протокол и порядок их взаимодействия ориентированы на использование как на географически распределенных, так и на других производствах.

219. 07.08.2019
В Московском государственном техническом университете им. Н.Э. Баумана разработан гибридный подход к анализу потоков данных в условиях Индустрии 4.0.
Предложенный метод позволяет определять наиболее вероятный сценарий с помощью логистической регрессии, а также выделять оптимистический и пессимистический сценарии на основе метода анализа иерархий.

220. 30.07.2019
В Национальном исследовательском университете «Московский энергетический институт» исследовалась возможность применения методов поиска решения на основе прецедентов для идентификации сигналов АЭ-мониторинга сложных технических объектов.
Для извлечения прецедентов из БЗ (базы прецедентов) предложено использовать метод ближайшего соседа и расстояние Левенштейна в качестве меры сходства. Разработан метод представления сигналов АЭ-мониторинга как прецедента. На основе предложенного подхода реализован прецедентный модуль для идентификации сигналов АЭ-мониторинга.

◄ ← Предыдущая | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | 24 | 25 | 26 | 27 | 28 | 29 | 30 | 31 | 32 | 33 | 34 | 35 | 36 | 37 | 38 | 39 | 40 | 41 | 42 | 43 | 44 | 45 | 46 | 47 | 48 | 49 | 50 | 51 | 52 | 53 | 54 | 55 | 56 | 57 | 58 | 59 | 60 | 61 | 62 | 63 | 64 | 65 | 66 | 67 | 68 | 69 | 70 | 71 | 72 | 73 | 74 | 75 | 76 | 77 | 78 | Следующая → ►