Аннотация: В статье отражено использование нейросетевых технологий для определения фактов фальсификации содержимого видеорядов. В современном мире новые технологии стали неотъемлемой частью мультимедийной среды, однако их распространение также создало новую угрозу – возможность неправомерного использования для фальсификации содержимого видеорядов. Это приводит к возникновению серьезных проблем, таких как распространение фейковых новостей, дезинформация общества. В научной статье рассматривается данная проблема и определяется необходимость использования нейронных сетей для ее решения. В сравнении с другими существующими моделями и подходами, нейронные сети обладают высокой эффективностью и точностью в обнаружении фальсификации видеоданных благодаря своей способности к извлечению сложных признаков и обучению на больших объемах исходных данных, что особо важно при снижении разрешения анализируемого видеоряда. В рамках данной работы представлена математическая модель идентификации фальсификации аудио и видеоряда в видеозаписи, а также модель на основе трехмерной свёрточной нейронной сети для определения факта фальсификации видеоряда, путём анализа содержимого отдельных кадров. В рамках данной работы было предложено рассмотреть задачу идентификации фальсификатов в видеозаписи, как совместное решение двух задач: идентификации фальсификации аудио- и видеоряда, а сама результирующая задача, была преобразована в классическую задачу классификации. Любая видеозапись может быть отнесена к одной из четырёх групп, описанных в работе. Только видеозаписи, относящиеся к первой группе, считаются аутентичными, а все остальные – сфабрикованными. Для повышения гибкости модели, были добавлены вероятностные классификаторы, что позволяет учитывать степень уверенности в предсказаниях. Особенность полученного решения состоит в возможности настройки пороговых значений, что позволяет адаптировать модель к различным уровням строгости в зависимости от задачи. Для определения сфабрикованных фоторядов предложена архитектура трёхмерной свёрточной нейронной сети, включающей слой предобработки и нейросетевой слой. Полученная модель обладает достаточной степенью точности определения фальсифицированных видеорядов, с учетом значительного понижения разрешения кадров. Апробация модели на тренировочном наборе данных показала долю корректного определения фальсификации видеорядов выше 70%, что заметно лучше угадывания. Несмотря на достаточную точность модель может быть доработана для более существенного увеличения доли корректных предсказаний.

Ключевые слова: машинное обучение, нейронные сети, свёрточные нейронные сети, фальсификация видео, дипфейки, детектирование дипфейков, фальсификация аудио, предобработка данных, обнаружение аномалий, пакетная нормализация

Библиография:
Zhou D. X. Theory of deep convolutional neural networks: Downsampling // Neural Networks. 2020. V. 124. Pp. 319-327.
Garbin C., Zhu X., Marques O. Dropout vs. batch normalization: an empirical study of their impact to deep learning // Multimedia tools and applications. 2020. V. 79. №. 19. Pp. 12777-12815.
Beyan E.V. P., Rossy A.G.C. A review of AI image generator: influences, challenges, and future prospects for architectural field // Journal of Artificial Intelligence in Architecture. 2023. V. 2. №. 1. Pp. 53-65.
Huang Y. F., Lv S., Tseng K.K., Tseng P.J., Xie, X., Lin, R.F.Y. Recent advances in artificial intelligence for video production system // Enterprise Information Systems. 2023. V. 17. №. 11. Pp. 2246188.
ZF DeepFake Dataset [Электронный ресурс] URL: https://www.kaggle.com/datasets/zfturbo/zf-deepfake-dataset (дата обращения: 20.01.2024).
Naik K. J., Soni A. Video classification using 3D convolutional neural network // Advancements in Security and Privacy Initiatives for Multimedia Ima

Аннотация: В работе рассмотрена задача автоматизированного распознавания одиночных аварийных ситуаций на химических и нефтеперерабатывающих производствах. Современные химико-технологические производства обслуживаются и управляются небольшим количеством персонала, что повышает нагрузку на каждого оператора. Для уменьшения количества ошибок операторов регулярно проводится их обучение на тренажёрах, оснащённых набором как штатных ситуаций (регламентный пуск, останов, нормальное ведение процесса, переход с одного режима на другой), так и аварийных сценариев (разгерметизация колонны, отказ насоса, выход из строя системы энергоснабжения). Тем не менее, предусмотреть все возможные отказы во время обучения операторов невозможно, и даже подготовленный оператор может не заметить первые признаки аварии, в связи с чем необходимо создание системы поддержки решений, помогающей оператору своевременно распознавать отказы технологического оборудования.  Для распознавания отказов предложено использовать нейронную сеть, обученную на массиве данных смоделированных аварий. Для моделирования типовых аварий использован промышленный тренажёр на базе платформы RTsim. Новизна исследования заключается в использовании методов искусственного интеллекта для диагностики достояния технологического процесса по данным SCADA-системы и использовании для обучения нейронной сети данных не с реального объекта (которых всегда будет недостаточно), а с модели, точно соответствующей конкретному технологическому участку. Количество смоделированных сценариев, использованных для обучения нейронной сети может быть достаточно велико, что позволяет снизить долю ошибочных срабатываний системы. Разработанная система уверенно справляется с распознаванием отдельных отказов оборудования. Полученные результаты могут быть использованы для помощи операторам-технологам и для усовершенствования систем противоаварийной защиты. Анализ времени, необходимого системе для распознавания аварийной ситуации может быть использован для проектирования новых производств, модификации системы контроля и управления.

Ключевые слова: отказ, авария, компьютерный тренажёр, RTsim, цифровой двойник, имитационное моделирование, система принятия решений, промышленная безопасность, искусственный интеллект, нефтепереработка

Библиография:
Цифровые тренажеры технологических процессов РТСИМ. Карьера для обеспечения безопасности в нефтехимическом комплексе / Р. Р. Габдрахманов, Э. В. Гарифуллина, В. В. Бронская [и др.] // Наука, технологии, общество: Экологический инжиниринг в интересах устойчивого развития территорий : Сборник научных статей, Красноярск, 09–10 ноября 2023 года. – Красноярск: Красноярский краевой Дом науки и техники Российского Союза научных и инженерных общественных объединений, 2023. – С. 131-135. – EDN BLETRM.
Титова, Л. М. Цифровые двойники при подготовке инженерных кадров химических производств в высшей школе / Л. М. Титова, Н. П. Мемедейкина // Международный форум KAZAN DIGITAL WEEK-2023 : Сборник материалов, Казань, 20–22 сентября 2023 года / Сост. Р.Ш. Ахмадиева, Р.Н. Минниханов. Под общей редакцией Р.Н. Минниханова. – Казань: Научный центр безопасности жизнедеятельности, 2023. – С. 954-960. – EDN RNNMLO.
Имитация процессов управления агрегатом производства метанола на

Аннотация: Объектом исследования являются искусственные нейронные сети (ИНС) со сверточной архитектурой для классификации изображений. Предметом исследования является исследование и разработка алгоритмов построения ансамблей сверточных нейронных сетей (СНС) в условиях ограниченности обучающей выборки. Целью исследования является выработка алгоритма к формированию эффективной модели на основе ансамбля сверточных СНС с применением методов усреднения результатов каждой модели, способную избежать переобучения в процессе повышения точности прогноза и обученную на небольшом объеме данных, меньше 10 тысяч примеров. В качестве базовой сети в составе ансамбля выработана эффективная архитектура СНС, которая показала хороший результат в качестве одиночной модели. Также в статье исследованы методы объединения результатов моделей ансамбля и даны рекомендации к формированию архитектуры СНС. В качестве методов исследования используется теория нейронных сетей, теория машинного обучения, искусственного интеллекта, использованы методы алгоритмизации и программирования моделей машинного обучения, использован сравнительный анализ моделей, построенных на разных алгоритмах с использованием классического ансамблирования с простым усреднением и объединения результатов базовых алгоритмов в условиях ограниченности выборки с учетом средневзвешенного усреднения. Областью применения полученного алгоритма и модели является медицинская диагностика в лечебных учреждениях, санаториях при проведении первичного диагностического приема, на примере исследовательской задачи модель обучена классификации дерматологических заболеваний по входным фотоснимкам. Новизна исследования заключается в разработке эффективного алгоритма и модели классификации изображений на основе ансамбля сверточных НС, превосходящих точность прогноза базовых классификаторов, исследован процесс переобучения ансамбля классификаторов с глубокой архитектурой на малом объеме выборки из чего сделаны выводы по проектированию оптимальной архитектуры сети и выбору методов объединения результатов нескольких базовых классификаторов. По итогу исследования разработан алгоритм к формированию ансамбля СНС на основе эффективной базовой архитектуры и средневзвешенного усреднения результатов каждой модели для классификационной задачи по распознаванию изображений в условиях ограниченности выборки.

Ключевые слова: искусственные нейронные сети, сверточная архитектура, ансамбли нейронных сетей, методы усреднения результатов, задача классификации, медицинская диагностика, ансамблирование нейронных сетей, средневзвешенное усреднение, предварительная обработка, взвешенное голосование

Библиография:
Phung V. H., Rhee E. J. A high-accuracy model average ensemble of convolutional neural networks for classification of cloud image patches on small datasets //Applied Sciences. – 2019. – Т. 9. – №. 21. – С. 4500.
Wang J., Lin J., Wang Z. Efficient hardware architectures for deep convolutional neural network // IEEE Transactions on Circuits and Systems I: Regular Papers. – 2017. – Т. 65. – №. 6. – pp. 1941-1953.
A. Krizhevsky, I. Sutskever, G.E. Hinton. ImageNet Classification with Deep Convolutional Neural Networks. Proceedings of Advances in Neural Information Processing Systems 25 (NIPS 2012), 2012, Pp. 1097-1105.
Rosebrock A. Change input shape dimensions for fine-tuning with Keras. // AI & Computer Vision Programming. 2019. [Электронный ресурс]. URL:https://pyimagesearch.com/2019/06/24/ change-input-shape-dimensions-for-fine-tuning-with-keras/ (дата обращения 14.02.2024).
Костин К. А. и др. Адаптивный классификатор патологий для компьютерной д

Аннотация: Предметом исследования является разработка программного комплекса для интеллектуального прогнозирования выполнения государственных контрактов с использованием методов машинного обучения и анализа неструктурированной информации.
Объектом исследования является процесс контроля и принятия решений в области государственных закупок, включая выбор подрядчиков, выполнение контрактов и оценку сроков и стоимости их реализации.
Особое внимание в исследовании уделяется разработке и применению интерпретируемых методов машинного обучения для решения задач оценки рисков выбора недобросовестного подрядчика, рисков невыполнения контракта в срок и прогнозирования вероятных сроков и стоимости реализации контракта.
Авторы подробно рассматривают такие аспекты, как уникальный набор данных, который был собран из различных информационных систем. Они также разработали автоматизированные системы сбора и обновления данных, которые могут быть установлены на серверах заказчиков. В работе применялись методы машинного обучения, анализа неструктурированной информации и интерпретируемых методов. Были построены интерпретируемые модели машинного обучения для оценки риска выбора недобросовестного подрядчика, оценки риска невыполнения контракта в срок, а также оценки вероятных сроков и стоимости реализации контракта. В работе был собран уникальный набор данных, включающий более 83 тысяч данных по более чем 190 признакам с различных систем, таких как Реестр государственных закупок Единой информационной системы (ЕИС), Реестр недобросовестных поставщиков (РНП) ЕИС и Информационная система СПАРК. Разработаны автоматизированные системы сбора и обновления данных, которые могут быть развернуты на серверах заказчиков.
В ходе исследования были разработаны программные комплексы для интеллектуального прогнозирования выполнения государственных контрактов, которые предоставляют возможность проведения более точного анализа рисков с использованием методов анализа неструктурированной информации, моделей машинного обучения и интерпретируемых методов. Это позволяет повысить эффективность контроля выполнения государственных контрактов и снизить вероятность коррупции и нарушений. Исследование демонстрирует значимость и применимость методов и моделей машинного обучения в области государственных контрактов и предоставляет новые возможности для улучшения процессов контроля и принятия решений в сфере государственного закупочного дела.

Ключевые слова: государственные контракты, машинное обучение, интеллектуальные системы, визуализация данных, метод опорных векторов, оценка рисков, прогнозирование, регрессионный анализ, интерпретируемый искусственный интеллект, ансамблевые методы

Библиография:
Золотухина М. М., Половникова Н.А. Риски при выборе поставщиков и заключении контрактов // Экономика и бизнес: теория и практика. 2023. №. 8 (102). С. 86-90.
Геллер А. Я. Анализ причин расторжения контрактов в системе государственных и муниципальных закупок Российской Федерации // Вестник университета. 2022. №. 5. С. 5-12.
Гендлина Ю. Б. и др. Риски строительных контрактов, заключенных с муниципальным заказчиком // Управление и экономика народного хозяйства России. 2022. С. 113-120.
Алейникова М. Ю., Голованов Д. А. Модели совершенствования системы внутреннего контроля осуществления государственных закупок в Российской Федерации // Управленческий учет. 2022. № 7. С. 12-19. doi:10.25806/uu7202212-19.
Елисеев Д. А., Романов Д. А. Машинное обучение: прогнозирование рисков госзакупок // Открытые системы. СУБД. 2018. № 2. С. 42-44.
Немцева Ю. В., Миронец О. Б. Управление рисками компаний отрасли информационных технологий на рынке b2g // Управленческий учет. 2022. № 12. С. 100-109.
Лавлинский С. М

Аннотация: Предметом исследования является логический подход к анализу данных и разработка программного инструментария, способного определять скрытые закономерности, даже с ограниченным количеством данных. Входные данные состоят из показателей диагностики пациентов, их диагнозов и опыта врачей, полученного в ходе медицинской практики. Метод исследования – разработка программного инструментария на основе систем многозначной логики предикатов для анализа данных пациентов. Данный подход рассматривает исходные данные как набор общих правил, среди которых можно выделить те правила, которые достаточны для объяснения всех наблюдаемых данных. Эти правила, в свою очередь, являются генеративными для рассматриваемой области и помогают лучше понять природу изучаемых объектов. Новизна исследования заключается в применении многозначной логики для анализа ограниченного объема медицинских данных пациентов с целью определения наиболее вероятного диагноза с заданной точностью. Предложенный подход позволяет обнаруживать скрытые закономерности в симптомах и результатах обследований пациентов, классифицировать их и выделять уникальные признаки различных форм гастрита. В отличие от нейронных сетей, логический анализ является прозрачным и не требует обучения на больших объемах данных.
Выводы исследования показывают возможность такого подхода для диагностики при нехватке информации, а также предложение альтернатив при не достижении требуемой точности диагноза.

Ключевые слова: диагностика, связи, многозначная логика, данные, анализ, скрытые закономерности, классификатор, правила продукции, обучение, сойства

Библиография:
Akhlakur R., Sumaira T. Ensemble classifiers and their applications: a review //International Journal of Computer Trends and Technologies. 2014. Vol. 10. P. 31-35
Yang F, Yang Zh, Cohen W.W. Differentiable learning of logical rules for reasoning in the knowledge base // Advances in the field of neural information processing systems. 2017. P. 2320-2329
Mesiar R, Komornikova M, Kolesarova A, Calvo T. Fuzzy aggregation functions: a revision // Sets and their extensions: representation, aggregation and models. Springer-Verlag, Berlin, 2008.
Calvo T, Belyakov G. Aggregating functions based on penalties // Fuzzy sets and systems. 2010. № 10-161. P. 1420-1436.
Grabisch M., Marichal J-L, Pap E. Aggregation functions // Cambridge University Press. 2009. Vol. 127.
Joe MrK, Vijesh, Jennifer S. Raj User Recommendation System Dependent on Location-Based Orientation Context // Journal of Trends in Computer Science and Smart Technology. 2021. № 3-01. P. 14-23.
Haoxiang, Wang, Smith S. Big data analysis and

Аннотация: Предметом исследования настоящей работы является выявление совокупности общих структурных свойств, присущих рекуррентным нейронным сетям и стохастическим автоматам, особенностью которых является целенаправленное поведение в динамических средах.
При этом, выявляется необходимая общность свойств как в процессе их функционирования, так и в процессе их обучения (настройки).
Автор подробно рассматривает такие аспекты темы, как: формализация целенаправленного поведения, рассмотрение конструкции автоматов, такое поведение обеспечивающих, а также, сравнительный анализ рассмотренных конструкций автоматов.
Из выявленной общности функционирования и установленного взаимно однозначного соответствия нейронов полносвязной рекуррентной нейронной сети и состояний вероятностного автомата с переменной структурой вытекает возможность рассмотрения структуры настроенного стохастического автомата в качестве эталона для совокупности связей рекуррентной нейронной сети. Это приводит еще на этапе настройки к удалению избыточных состояний (нейронов) и связей между ними, опираясь на параметры соответствующего автомата.
Методологией проведенного исследования является построение взаимно однозначного соответствия между нейронами полносвязной рекуррентной нейронной сети и актуальными после процесса настройки внутренними состояниями автомата с переменной структурой и вероятностями переходов между ними. При взаимно однозначном соответствии вероятности переходов автомата соответствуют весам связей между нейронами оптимальной конфигурации. Основные выводы проведенного исследования:
1. Сопоставление структур рекуррентных нейронных сетей и автоматов с переменной структурой позволяет воспользоваться преимуществами автомата с переменной структурой для решения задачи целесообразного поведения в динамических средах и построить на его основе рекуррентную нейронную сеть;
2. Соответствие внутренней структуры рекуррентной нейронной сети и автомата с переменной структурой позволяет уже на этапе обучения высвобождать обучаемую рекуррентную нейронную сеть от избыточных нейронов и избыточных связей в ее структуре;
3. В силу того, что автомат с переменной структурой приближается в процессе настройки к оптимальному для данных условий автомату с линейной тактикой при нелинейных значениях скорости обучения, то это позволяет провести логический анализ структуры итоговой рекуррентной нейронной сети.

Ключевые слова: Нейрон, временная последовательность, контекст, задача управления, целесообразное поведение, линейная тактика, матрица вероятностей, марковская цепь, автомат, рекуррентная нейронная сеть

Библиография:
Цетлин М.Л. Исследования по теории автоматов и моделированию биологических систем. М.: Наука. 1969. С. 316.
Поспелов Д.А. Вероятностные автоматы. М.: Энергия. 1970. С. 88.
Поспелов Д.А. Игры и автоматы. М.: Энергия. 1966. С. 136.
Вакуленко С.А., Жихарева А.А. Практический курс по нейронным сетям . СПб.: Университет ИТМО. 2018. С. 71.
Осовский С. Нейронные сети для обработки информации. М.: Горячая Линия – Телеком. 2017. С. 345.
Dimitrichenko D.P. Optimization of the Structure of Variable-Valued Logical Functions when Adding New Production Rules, 2022 International Russian Automation Conference (RusAutoCon), 2022, pp. 240-245.
Барский А. Б. Логические нейронные сети. М.: Интернет-университет информационных технологий Бином, Лаборатория знаний. 2016. S. 352.
Шибзухов З.М. Конструктивные методы обучения сигма-пи нейронных сетей. М.: Наука. 2006. С. 159.
Kazakov M.A. Clustering Algorithm Based on Feature Space Partitioning, 2022 International Russian Automation Conference (RusAutoCon

Аннотация: Ветеринарная медицина является сферой, где современные технологии могут оказать значительное влияние. Применение экспертных систем в данной области ещё не полностью исследовано. Экспертные системы могут обрабатывать большой объём данных, включая симптомы, историю заболеваний и другие параметры, чтобы предоставить точные и быстрые диагнозы. Это особенно ценно в ситуациях, где быстрое вмешательство может спасти жизнь животного. Эти системы могут служить вспомогательным инструментом для ветеринаров, особенно в сложных или редких случаях заболеваний. Они могут предоставлять рекомендации на основе последних исследований и клинических практик. В сельском хозяйстве экспертные системы могут анализировать данные о здоровье всего стада и выявлять возможные проблемы или тренды, помогая фермерам и ветеринарам принимать своевременные меры. Статья посвящена разработке ветеринарной экспертной системы, отражающей современные потребности в сфере здравоохранения животных. Авторы осуществляют детальный анализ существующих ветеринарных систем, выделяя ключевые функциональные возможности, необходимые ветеринарным и сельскохозяйственным специалистам. Одним из уникальных аспектов работы является использование весовых коэффициентов симптомо-комплексов и расчёта вероятности диагностируемых заболеваний, что может внести значительный вклад в точность и эффективность диагностики заболеваний животных. Статья может служить полезным ресурсом для специалистов в области ветеринарии, а также разработчиков программного обеспечения, занимающихся созданием интеллектуальных систем в медицинских и сельскохозяйственных приложениях.

Ключевые слова: экспертная система, экспертный модуль, диагностика, ветеринарные диагностические системы, ветеринарное программное обеспечение, база знаний, реляционные базы данных, искусственный интеллект, програмные системы, вычислительные методы

Библиография:
Джарратано Д., Райли Г. Экспертные системы: принципы разработки и программирование, 4-е издание. Издательский дом Вильямс, 2007.
Гибадуллин Р. Ф., Викторов И. В. Неоднозначность результатов при использовании методов класса Parallel в рамках исполняющей среды .NET Framework // Программные системы и вычислительные методы. 2023. № 2. С. 1-14.
Munirah M. Y., Suriawati S., Teresa P. P. Design and development of online dog diseases diagnosing system // International Journal of Information and Education Technology. 2016. Vol. 6. № 11. P. 913.
Tudorache T., Nyulas C., Noy N. F., Musen M. A. WebProte´ge´: A collaborative ontology editor and knowledge acquisition tool for the web // Semant Web. 2013. Vol. 4. № 1. Pp. 89-99.
Adeli A., Neshat M. A fuzzy expert system for heart disease diagnosis // Proceedings of international multi conference of engineers and computer scientists, Hong Kong. 2010. Vol. 1. Pp. 134-139.
Шопагулов О. А., Третьяков И. И., Исмаилова А. А. Экспертная система для диагн

Аннотация: Предметом исследования является архитектура системы агрегации RSS-каналов. Автор подробно рассматривает такие аспекты темы, как выбор правильной стратегии агрегации данных, подход к масштабированию распределенной системы, проектирование и реализация основных модулей системы, таких как модуль определения стратегии агрегации, модуль агрегации контента, модуль обработки данных, модуль поиска. Особое внимание в данном исследовании уделяется детальному описанию выбранных для реализации рассматриваемой системы библиотек и фреймворков, а также баз данных. Основная часть рассматриваемой системы реализована на языке программирования C# (.Net Core) и является кросс-платформенной. В исследовании описывается взаимодействие с основными хранилищами данных, использованных при разработке системы агрегации, которыми являются PostgreSQL и Elasticsearch.

Основным выводом проведенного исследования является то, что перед разработкой системы агрегации необходимо проводить анализ публикационной активности источников данных, на основе которого возможно сформировать приемлемую стратегию обновления поискового индекса, сэкономив значительное количество вычислительных мощностей. Системы агрегации контента, подобные рассматриваемой в данном исследовании, должны быть распределенными, построенными на основе событийно-ориентированной и микросервисной архитектур. Данный подход позволит сделать систему устойчивой к высоким нагрузкам и сбоям, а также легко расширяемой. Особым вкладом автора в исследование темы является детальное описание высокоуровневой архитектуры RSS-агрегатора, рассчитанного на обработку 50 000 каналов.

Ключевые слова: агрегация RSS, Elasticsearch, RabbitMQ, микросервисная архитектура, паттерн конкурирующих потребителей, масштабируемость, отказоустойчивость, кроссплатформенность, категоризация контента, экспертная система

Библиография:
Zhao Yifan, Wang Kuisheng, Chen Lianguo. Design and analysis of intelligent retrieval system for drilling data and completion data based on cloud platform // Journal of Physics: Conference Series. 2020. URL: http://dx.doi.org/10.1088/1742-6596/1607/1/012026 (дата обращения: 07.11.2022).
Cea D., Nin J., Tous R., Torres J., Ayguadé E. Towards the Cloudification of the Social Networks Analytics // Modeling Decisions for Artificial Intelligence. MDAI 2014. Lecture Notes in Computer Science. 2014. URL: https://doi.org/10.1007/978-3-319-12054-6_17 (дата обращения: 07.11.2022).
Shah N., Willick D., Mago V. A framework for social media data analytics using Elasticsearch and Kibana // Wireless Networks. 2022. URL: https://doi.org/10.1007/s11276-018-01896-2 (дата обращения: 07.11.2022).
Kun Qu, Ting Gong, Jianfei Shao. Design and Implementation of System Generator Based on Rule Engine // Procedia Computer Science. 2020. URL: https://doi.org/10.1016/j.procs.2020.02.054 (дата обращения: 07.11.2022).
Niko

Аннотация: Интернет возник как мощная инфраструктура для всемирной коммуникации и взаимодействия людей. Некоторое неэтичное использование этой технологии спам, фишинг, тролли, киберзапугивание, вирусы вызвало проблемы при разработке механизмов, гарантирующих доступные и безопасные возможности ее использования. В настоящее время проводится множество исследований обнаружения спама, фишинга. Выявление телефонного мошенничества стало критически важным, поскольку влечет огромные потери. Алгоритмы машинного обучения и обработки естественного языка используются для анализа огромного количества текстовых данных.
Выявление мошенников производится с применением интеллектуального анализа текста и может быть реализовано путем анализа терминов слова или фразы.    Одной из сложных задач является разделение этих огромных неструктурированных данных на кластеры. Для этих целей существует несколько моделей тематического моделирования. В данной статье представлено применение этих моделей, в частности LDA, LSI и NMF. Сформирован набор данных. Проведен предварительный анализ данных и построены признаки для моделей в задаче по распознаванию темы текста. Рассмотрены подходы извлечения ключевых фраз в задачах распознавания темы текста. Приведены ключевые понятия этих подходов. Показаны недостатки этих моделей, предложены направления по улучшению алгоритмов обработки текстов. Проведена оценки качества моделей. Усовершенствованы модели благодаря подбору гиперпараметра и изменению функции предобработки данных.

Ключевые слова: обработка естественного языка, информационная безопасность, машинное обучение, анализ текста, LDA, LSI, NMF, тематическое моделирование, телефонное мошенничество, фишинг

Библиография:
C. Chen, K. Wu, V. Srinivasan, X. Zhang. Battling the Internet Water Army: Detection of Hidden Paid Posters. http://arxiv.org/pdf/1111.4297v1.pdf, 18 Nov 2011
D. Yin, Z. Xue, L. Hong, B. Davison, A. Kontostathis, and L. Edwards. Detection of harassment on web 2.0. Proceedings of the Content аnalysis in the Web, 2, 2009
T. Kohonen. Self-organization and associative memory. 2d ed. New-York, Springer-Verlag, 1988
Y. Niu, Y. min Wang, H. Chen, M. Ma, and F. Hsu. A quantitative study of forum spamming using contextbased analysis. In In Proc. Network and Distributed System Security (NDSS) Symposium, 2007
В.В. Киселёв. Автоматическое определение эмоций по речи. Образовательные технологии. №3, 2012, стр. 85-89
Р.А. Внебрачных. Троллинг как форма социальной агрессии в виртуальных сообществах. Вестник Удмуртского университета, 2012, Вып.1, стр. 48-51
С.В. Болтаева, Т.В. Матвеева. Лексические ритмы в тексте внушения. Русское слово в языке, тексте и культурной среде. Екатеринбург, 1997, стр. 175-185

Аннотация: Предметом исследования является разработка архитектуры экспертной системы для распределенной системы агрегирования контента, основное предназначение которой категоризация агрегированных данных. Автор подробно рассматривает такие аспекты темы, как преимущества и недостатки экспертных систем, инструментарий разработки экспертных систем, классификация экспертных систем, а также рассматривается применение экспертных систем для решения проблем категоризации данных. Особое внимание уделяется описанию архитектуры предложенной экспертной системы, которая состоит из компонента для фильтрации спама, компонента определения главной категории для каждого из типов обрабатываемого контента, а также компонентов для определения подкатегорий, один из которых основан на правилах доменной области, а другой компонент использует методы машинного обучения, дополняя первый. Основным выводом данного исследования является то, что экспертные системы возможно эффективно применять для решения проблем категоризации данных в системах агрегации контента. Автором было выяснено, что гибридные решения, объединяющие подход, основанный на использовании базы знаний и правил с использованием нейронных сетей, помогают снизить стоимость экспертной системы. Новизна исследования заключается в предложенной архитектуре системы, которая является легко расширяемой и адаптируемой к нагрузкам за счет масштабирования существующих или добавления новых модулей. Предложенный модуль определения спама основан на адаптировании поведенческого алгоритма определения спама в электронных письмах, предложенный модуль определения основных категорий контента использует два вида алгоритмов, на основе нечетких отпечатков: Fuzzy fingerprints и Twitter Topic Fuzzy Fingerprints, который изначально использовался для категоризации сообщений в соц. сети Твиттер. Работа модуля, определяющих подкатегорию на основе ключевых слов происходит во взаимодействии с базой данных-словарем (Тезаурус). Последний классификатор использует алгоритм опорных векторов для конечного определения подкатегорий.

Ключевые слова: Экспертная система, Алгоритм нечетких отпечатков, Агрегация контента, Нейронная сеть, Категоризация контента, Инженерия знаний, Метод опорных векторов, TF-IDF, CLIPS, Идентификация спама

Библиография:
Басманов С.Н., Басманова А. А. Обзор эволюции экспертных систем в медицине с точки зрения соответствия основным признакам // Перспективы развития информационных технологий. 2014. №21. URL: https://cyberleninka.ru/article/n/obzor-evolyutsii-ekspertnyh-sistem-v-meditsine-s-tochki-zreniya-sootvetstviya-osnovnym-priznakam (last accessed: 02.12.2021).
Посвалюк Н. Э., Погорелов С. А. Разработка экспертной системы для определения предиктивных рисков заболеваний // Региональные проблемы. 2018. №4. URL: https://cyberleninka.ru/article/n/razrabotka-ekspertnoy-sistemy-dlya-opredeleniya-prediktivnyh-riskov-zabolevaniy (last accessed: 02.12.2021).
S. N. Islam. Expert System Shell for Developing Multi Crop Expert Systems // AFITA/WCCA 2018 Conference. 2018. URL: https://www.researchgate.net/publication/335383070 (last accessed: 02.12.2021).
Макаров О. Ю., Репников В.Д., Турецкий А.В. Применение экспертной системы для анализа результатов моделирования радиоэлектронных средств на механические воздействия // Вестник

Аннотация: В статье дано описание авторского предложения по когнитивной архитектуре для разработки искусственного интеллектуального агента общего уровня («сильного» искусственного интеллекта). Предложены новые принципы для разработки такой архитектуры — гибридный подход в искусственном интеллекте и психофизиологические основания. Приведена схема архитектуры предлагаемого решения и дано описания возможных областей применения. Сильный искусственный интеллект представляет собой техническое решение, обладающие возможностью решать произвольные когнитивные задачи доступные человеку (интеллект человеческого уровня) и даже превосходящие возможности человеческого интеллекта (искусственный сверхинтеллект). Области применения сильного искусственного интеллекта безграничны — от решения текущих задач, стоящих перед человеческом до совершенно новых задач, которые пока ещё недоступны для человеческой цивилизации или ещё ждут своего первооткрывателя. Работа будет интересна учёным, инженерам и исследователям, работающим в области искусственного интеллекта в целом, а также любым заинтересованным читателям, стремящимся быть в курсе современных технологий. Новизна работы заключается в авторском подходе к построению когнитивной архитектуры, который впитал в себя результаты многолетних исследований в области искусственного интеллекта и результаты анализа когнитивных архитектур других исследователей. Актуальность работы основана на том непреложном факте, что в настоящее время исследования в области слабого искусственного интеллекта начинают тормозить из-за невозможности решить общие задачи, и большинство национальных стратегий развитых государств мира развития технологий в области искусственного интеллекта декларируют необходимость разработки новых технологий искусственного интеллекта, в том числе искусственного интеллекта общего уровня.

Ключевые слова: искусственный интеллект, сильный искусственный интеллект, когнитивная архитектура, искусственный интеллектуальный агент, гибридный искусственный интеллект, бионический подход, машинное обучение, мультисенсорная интеграция, целеполагание, объяснимость

Библиография:
Душкин Р. В. (2020a) К вопросу о распознавании и дифференциации философского зомби // Философская мысль. — 2020. — № 1. — С. 52-66. — DOI: 10.25136/2409-8728.2020.1.32079.
Душкин Р. В. (2020) Критика «Китайской комнаты» Дж. Сёрла с позиции гибридной модели построения искусственных когнитивных агентов // Сибирский философский журнал. 2020, Том 18, № 2. С. 30-47. — DOI: 10.25205/2541-7517-2020-18-2-30-47.
Глазунов Ю. Т. (2011) Эмоциональное переживание в системе целеполагания человека // Вестник МГТУ, том 14, № 1, 2011 г. — С. 126-140.
Душкин Р. В. (2019) Искусственный интеллект. — М.: ДМК-Пресс, 2019. — 280 с. — ISBN 978-5-97060-787-9.
Zalta E. N. (2014) Gottlob Frege // Stanford Encyclopedia of Philosophy (Fall 2014), Edward N. Zalta (ed.).
Анохин П. К. (1975) Очерки по физиологии функциональных систем. — М.: Медицина, 1975. — С. 17-59.
Yates S., Walker A., Kerri V. M. (2020) Artificial Intelligence, 2020.
Tahmasebi H. (2012) A hybrid neural networks-fuzzy logic-genetic algorithm for grad

Аннотация: Авторы предлагают объединить логический вывод с аппаратом нечётких множеств. Когда каждое решение связано с набором возможных результатов с известными условными вероятностями, решение выбирается на основе цифровой информации в условиях неопределённости.
Поэтому основной целью использования нечеткой логики в экспертных системах является создание вычислительных устройств (или программных комплексов), способных имитировать человеческое мышление и объяснять методы принятия решений
Цель работы состоит в том, чтобы подробно описать воспроизводимый типовой метод построения правил вывода экспертной системы для различных экономических предметных областей, с использованием универсальной схемы базы знаний
  Для принятия решений в нечеткой системе предлагается использовать процесс идентификации структуры правила - определение структурных характеристик нечеткой системы, таких как количество нечетких правил, количество лингвистических терминов, на которые делятся входящие переменные. Эта идентификация осуществляется с помощью нечеткого кластерного анализа, который проводится с использованием нечетких деревьев решений. Авторами представлена структурная схема методики вывода на базе нечёткой логики. Представленные в статье методика построения правил и алгоритм нечеткого вывода может использоваться в различных сферах экономики. Новизна работы заключается в автоматизации и интеграции системы определения нечетких правил вывода с этапом сбора входных данных в предметной области

Ключевые слова: Экспертная система, Правила вывода, Нечеткие множества, Нечеткая логика, База знаний, Функция принадлежности, СППР, Обработка данных, Машинное обучение, Деревья решений

Библиография:
Adriaenssens V. et al. Fuzzy rule-based models for decision support in ecosystem management //Science of the Total Environment. – 2004. – Т. 319. – №. 1-3. – С. 1-12.
Craven M. et al. Learning to construct knowledge bases from the World Wide Web //Artificial intelligence. – 2000. – Т. 118. – №. 1-2. – С. 69-113.
Globa L. et al. Fuzzy logic usage for the data processing in the Internet of Things networks. – 2018.-6 с
Kopyrin A., Vidishcheva E., Makarova I. Development of the General Structure of the Knowledge Base for Neuro-Fuzzy Models //International Scientific Siberian Transport Forum. – Springer, Cham, 2019. – С. 824-831.
Lin Y. et al. Modeling relation paths for representation learning of knowledge bases //arXiv preprint arXiv:1506.00379. – 2015-10 с
Menard M. Fuzzy clustering and switching regression models using ambiguity and distance rejects //Fuzzy Sets and Systems. – 2001. – Т. 122. – №. 3. – С. 363-399.
Olaru C., Wehenkel L. A complete fuzzy decision tree technique //Fuzzy sets and

Аннотация: В статье описывается алгоритм для генерации управляющих воздействий на различные инженерные системы интеллектуального здания по отдельности или в совокупности в рамках интеллектуального управления параметрами внутренней среды такого здания. Интеллектуальность алгоритма обусловлена возможностью его автономной работы и адаптивностью по отношению к параметрам внутренней среды, в отношении которых осуществляется мониторинг и управление. В статье приводятся краткое описание алгоритма, а также математическая модель выбора и применения управляющих воздействий. В качестве метода исследования принят теоретико-множественный подход к моделированию процессов управления, а также нотация BPMN для представления алгоритмов. Новизна рассматриваемого вопроса обусловлена применением функционального подхода для разработки интеллектуального алгоритма, а также применения методов распределённых вычислений и вычислений на оконечных устройствах в рамках гибридной парадигмы искусственного интеллекта. Актуальность представленной модели основана на необходимости перевода процессов управления жизненным циклом зданий и сооружений в парадигму Индустрии 4.0 для повышения степени их интеллектуальности. Статья будет интересна учёным и инженерам, работающим в области автоматизации технологических и производственных процессов. Работа носит теоретический характер.

Ключевые слова: автоматизация, интеллектуализация, управление, система управления, автономность, адаптивность, функциональный подход, распределённые вычисления, вычисления на краю, интеллектуальное здание

Библиография:
Žáček M., Janosek M. (2017) SBOnto: Ontology of smart building. — Far East Journal of Electronics and Communications 17(5), October 2017: p. 1101-1109. — DOI: 10.17654/EC017051101.
Yu W., Wen G., Chen G., Cao J. (2016) Distributed Consensus Filtering in Sensor Networks // Distributed Cooperative Control of Multi-agent Systems. — Shamma J. S. (ed.) — Georgia Institute of Technologies, John Wiley & Sons, 2016. — ISBN 978-0-470-06031-5, DOI: 10.1002/9781119246213.ch10. — p. 233-260.
Sarkar S., Misra S. (2016) Theoretical modelling of fog computing: a green computing paradigm to support IoT applications // IET Networks, 2016. 5(2): p. 23-29. doi:10.1049/iet-net.2015.0034. ISSN 2047-4954.
Sanfelice R. G. (2016) Analysis and Design of Cyber-Physical Systems. A Hybrid Control Systems Approach // Cyber-Physical Systems: From Theory to Practice / D. Rawat, J. Rodrigues, I. Stojmenovic. — CRC Press, 2016. — p.3-31. — ISBN 978-1-4822-6333-6.
Pašek J., Sojková V. (2018) Facility manag

Аннотация: Предметом исследования статьи является вопрос оплаты труда на предприятиях России, а в качестве объекта рассмотрены системы оплаты труда и проблема их выбора. В связи с этим, мы предлагаем модель системы поддержки принятия решений, которая позволит пользователям получить вероятные результаты внедрения той или иной системы оплаты труда на предприятии, без фактической апробации. Принцип модели данной системы основан на имитационном моделировании, что позволяет получить и оценить с помощью регрессионного анализа статистику и принять адекватное управленческое решение. В рамках статьи фундаментальным методом является имитационное моделирование. С помощью него возможно построить адекватную модель и отражать варианты результатов деятельности предприятия. В статье по-новому раскрыт вопрос выбора систем оплаты труда и объединены экономический и математический подходы;

Впервые изложены алгоритмы имитационного моделирования в вопросе выбора систем оплаты труда на предприятиях;

Получена модель системы поддержки принятия решений в области оплаты труда, которая является научно обоснованной несложной для понимания, в результате обработки информации в которой пользователь получает данные о последствиях внедрения тех или иных типовых систем оплаты труда на своем предприятии;

Особенностью модели является её масштабируемость. В том смысле, что в общую модель системы можно добавлять, оценивать и другие системы оплаты труда, в дополнение к заранее заложенным

Ключевые слова: поддержка принятия решений, системы оплата труда, имитационное моделирование, алгоритмы, метод Монте-Карло, повременная система, сдельная система, повременно-премиальная система, моделирование, база данных

Библиография:
Шендрикова О.О., Луценко М.С. // Повышение эффективности производства посредством изменения системы оплаты труда – Вестник Воронежского государственного технического университета. 2017. Т. 13. № 2. С. 122-127.
Яркова И.В. // Развитие методики управленческого учета стратегических затрат на химических предприятиях - Международный бухгалтерский учет, 2017, т. 20, вып. 9, стр. 507–520
Слепцова Е.В., Князева А.В., // Оптимизация оплаты труда в современных условиях-journal of economy and business, vol.1, с. 95-98
Ховаев С.Ю., Рыбак А.С. // Особенности принятия управленческих решений в малом бизнесе - Российское предпринимательство том 18, № 20, октябрь 2017, с. 2951-2964
Салихзянова Н. А., Галлямова Д. Х. // Методология моделирования бизнес-процессов организации-Вестник Казанского технологического университета. 2012. Т. 15. № 5. С. 202-204.
Романова Е.М. // Численные методы и регрессионный анализ в прогнозировании экономических показателей – вестник кгэу, 2017, №1 (33), с. 142-146
Орлов А.И. /

Аннотация: Предметом исследования является разработка модели и алгоритма осуществления кросс-продаж заемщикам банка
Объектом исследования является информационная система управления процессом кредитования.
В разрабатываемой авторами системе реализуется алгоритм выбора очередного вопроса для проверки из существующего множества и введение стоп-параметра, останавливающего проведение опроса клиента в связи с достижением значения вероятности, свидетельствующего о высокой потребности клиента в приобретение определенного кросс-продукта.
Реализовав в системе данный алгоритм, сотрудник банка может осуществить продажу клиенту наиболее подходящего именного для данного клиента кросс-продукта, задав клиенту ограниченное количество вопросов за небольшой промежуток времени.
Предложенный авторами алгоритм является универсальным. Каждый из описанных этапов декомпозируется на несколько механизмов, выполняющих определенную цель. Выбранные ранее механизмы, на основе статистических данных, могут быть заменены в процессе работы на наиболее актуальные и эффективные.


В разработанной модели выбора кросс-продукта будет использоваться алгоритм, основанный на использовании формулы Байеса для конкурирующих гипотез. В статье рассматривается вопрос «Возможно, ли организовать осуществление кросс-продаж клиентам банка online, чтобы потенциальный клиент мог сам узнать дополнительные индивидуальные опции?». Для решения этой проблемы предлагается разработка модели и алгоритма осуществления кросс-продаж заемщикам банка.
В рамках проводимого научного исследования производится разработка экспертной системы, которая позволит при обращении клиента в коммерческий Банк с целью оформления определенного банковского продукта или услуги определить потенциальную потребность клиента в дополнительном продукте (кросс-продукте) и осуществить продажу клиенту подобранного системой продукта.

Ключевые слова: индивидуальная характеристика, формула Байеса, модель, алгоритм, скоринг, информационная система, кросс-продажи, оптимальное решение, управление в системе, информационные процессы

Библиография:
Бедняк, О. И. Категориальный анализ как метод оценки кредитоспособности клиента – физического лица [Текст] /О. И. Бедняк, М. А. Кораблин// «Экономический анализ: теория и практика». – 2010.-№6(171)-2010. С. 18–24.
Бедняк, О. И. Решение задач идентификации скрытой сущности субъекта в процессе принятия управленческих решений с помощью категориального анализа [Текст] /О. И. Бедняк// «Системы управления и информационные технологии».-2011.-№ 1.1(43).-С. 108-111.
Брейс А. Анкетирование. Разработка опросных листов, их роль и значение при проведении рыночных исследований: Баланс Бизнес букс, 2005 г.-336с.
Дианов Д. Статистика финансов и кредита. Учебник: Издательство КноРус, 2018г. – 26с.
Захаров С.В., Захарова О.И. Разработка алгоритмов и метода расчета вероятности продажи нескольких продуктов клиентам коммерческого банка / II Научный форум телекоммуникации: теория и технологии телекоммуникаций. ПТиТТ-2017 материалы XVIII Международной научно-технической конференции.. 2017. С. 326-328.
Карминский А. К

Аннотация: Предметом исследования статьи является актуальная задача анализа состояния документационного обеспечения управления (ДОУ)организацией. В условиях современного общества указанная задача становится особо острой, поскольку от правильной организации системы ДОУ во многом зависит эффективность управления организацией в целом. На данный момент не существует единой методики решения указанной задачи, а существующие подходы носят субъективный характер. Для решения указанной проблемы разработана автоматизированная информационная система, которая позволяет решать следующие задачи: 1) формирование базы знаний, фиксирующей эмпирические закономерности между появлением отдельных показателей состояния и их вероятностные характеристики; 2) адаптацию системы к особенностям текущей ситуации и требований сотрудника, осуществляющего анализ; 3) выявление нарушений в работе с документами и реализации процессов деятельности; 4) выявление показателей состояния ДОУ и эффективности процессов деятельности, которые в дальнейшем могут принять неудовлетворительное значение; 5) предоставление рекомендаций по устранению выявленных нарушений. В ходе исследования использовались методы инженерии знаний, математического моделирования, теории графов, теории вероятностей, объектно-ориентированного программирования. В результате исследования подробно описан прототип автоматизированной информационной система анализа состояния ДОУ, описаны основные функциональные возможности его программных модулей. Рассмотрена процедура взаимодействия с системой инженера по знаниям и конечного пользователя. Корректность функционирования прототипа АИС подтверждается успешными тестовыми испытаниями на примере деятельности коммерческой организации, осуществляющей перевозку грузов как внутри страны, так и за границу.

Ключевые слова: априорная вероятность, активный фокус, Теорема Байеса, инженерия знаний, программные модули, компоненты АИС, автоматизированная информационная система, анализ ДОУ, инженер по знаниям, конечный пользователь

Библиография:
Коровина Л.В., Усманова И.В. Влияние состояния делопроизводства на эффективность деятельности организации // Программные системы и вычислительные методы. 2016. № 4. С. 324-332.
Коровина Л.В., Усманова И.В. Анализ ДОУ как инструмент интеллектуальной поддержки принятия управленческих решений// Современные проблемы инновационного развития науки: сб. статей Международной научн.-практич. конф. Уфа: МЦИИ ОМЕГА САЙНС, 2017. С. 71-74.
Коровина Л.В. Анализ методов оценки состояния документооборота организации // Современные проблемы науки и образования: электронный научный журнал. 2013. № 4. URL: http://www.science-education.ru/110-9783 (дата обращения 10.01.2018).
Коровина Л.В., Усманова И.В., Баканова Н.Б. Исследование состояния документооборота организации // Естественные и технические науки в современном мире: монография. Ставрополь: Логос. 2014. Глава 3, С. 47-60.
Коровина Л.В. Комплексный подход к процедуре анализа документооборота предприятия // Современные технологии документооборота в бизнесе, пр

Аннотация: Предметом исследования является адаптивное тестирование с множественным выбором. Данный вид тестирования позволяет реализовать машинное оценивание уровня знаний участников просто и доступно, исключая ошибки оценивания результатов. Однако, модель адаптивного тестирования включает параметр, описывающий вероятность угадывания ответов на тестовые задания, который зависит от множества факторов: сложности задания, уровня знаний обучаемого, наличия штрафа за попытку угадывания, а также степень влияния ответов участника с более высоким уровнем знаний на мнение других участников в условиях индивидуального и группового тестирования. Необходимость явного задания данного параметра усложняет модель и вносит неопределенность в результаты тестирования. Введение нечеткой когнитивной карты, определяющей степени «чистого» и «частичного» угадываний при ответе на тестовые задания, позволяет снизить сложность модели тестирования в результате исключения явного вероятностного параметра. В отличие от известных определений когнитивной карты, предложенная интерпретация построена на моделях индивидуального и группового адаптивного тестирования с множественным выбором. Результаты вычислительных экспериментов в условиях реального тестирования подтвердили эффективность введения карты. Было выявлено, что нечеткие оценки ответов участников с более низким уровнем знаний на более сложные задания являются более согласованными по сравнению с оценками, требующими явного задания вероятности «чистого» угадывания. Метод понижения сложности модели тестирования на основе нечеткой когнитивной карты может быть использован как в образовательных программных системах, так и в интеллектуальных системах и системах поддержки принятия решения, предусматривающих тестирование с множественным выбором.

Ключевые слова: интервальное нечеткое множество, таксономия Блума, когнитивное моделирование, оценивание уровня знаний, частичное угадывание, чистое угадывание, групповое обучение, адаптивное тестирование, когнитивная карта, логистическая модель

Библиография:
Бессарабов Н. А., Бондаренко А. В., Кондратенко Т. Н., Тимофеев Д. С. Алгоритмическое обеспечение адаптивной системы тестирования знаний // Программные продукты и системы. – 2016. – № 1(113). – С. 68-74.
Кибзун А. И., Панарин С. И. Формирование интегрального рейтинга с помощью статистической обработки результатов тестов // Автоматика и телемеханика. – 2012. – № 6. – С. 119-139.
Кибзун А. И., Иноземцев А. О. Оценивание уровней сложности тестов на основе метода максимального правдоподобия // Автоматика и телемеханика. – 2014. – № 4. – С. 20-37.
Bloom B. S. (Ed.), Engelhart M. D., Furst E. J., Hill W. H., Krathwohl D. R. Taxonomy of educational objectives: The classification of educational goals. Handbook 1: Cognitive domain. – New York: David McKay, 1956. – 207 p.
Anderson L. W. (Ed.), Krathwohl D. R. (Ed.), Airasian P. W., Cruikshank K.A., Mayer R. E., Pintrich P. R., Raths J., Wittrock M. C. A taxonomy for learning, teaching, and assessing: A revision of Bloom's Taxonomy of Educational Objectives

Аннотация: Автором подробно рассмотрены основные классы современных моделей оценки информационного воздействия. В качестве предмета исследования выступают экономико-математические методы, которые включают в себя элементы подходов и результатов, теории нечетких множеств, теории вероятности, теории принятия решений и исследования операций и теории марковских цепей, в контексте применения к моделированию влияния информационного воздействия на экономические процессы. Цель исследования заключается в подробном анализе существующих отечественных и зарубежных моделей информационного влияния. Методология и методический аппарат исследования представлена разработками и теоритическими положениями, представленными в трудах отечественных и иностранных авторов в области экономико-математического моделирования, теории вероятности и математической статистики. Новизна исследования заключается в том, что на основе анализа существующих моделей информационного воздействия удалось разработать подходы к построению математических моделей влияния информационных воздействий на экономические процессы. Так же выделены направления дальнейшей работы для совершенствования существующих моделей информационного влияния в целях последующей более эффективной оценки информационного воздействий на экономические процессы.

Ключевые слова: информационное влияние, оптимизационные модели, информационное управление, имитационные модели, социальные сети, цепи Маркова, целенаправленное информационное воздействие, принятие решений, модели информационного влияния, моделирование

Библиография:
Eguffluz V., Klemm K., Epidemic Threshold in Structured Scale-free Networks// Physical Review Letters. – 2002. – №89.
Goldenberg J..Libai B., Muller E. Talk of the Network: A Complex Systems Look at the Underlying Process of Word-of-Mouth// Marketing Letters, August 2001, Volume 12, Issue 3, pp 211–223 ;
Kempe D., Kleinberg J., and Tardos E. Maximizing the Spread of Influence through a Social Network/ Proceedings of the ninth ACM SIGKDD international conference on Knowledge discovery and data mining
Morris S. Contagion// The Review of Economic Studies, Volume 67, Issue 1, 1 January 2000, Pages 57–78
Pastor-Satorras R., Castellano C., Van Mieghem P, Vespignani A. Epidemic processes in complex networks// Rev. Mod. Phys. 87, 925, 2015;
Wu F., Huberman B., Adsmic L., Tyler J. Information Flow in Social Groups// Physica A, 337:327-335, 2004.
Барбаши А.Л. Сети без масштабов// В мире науки. Scientific American.2003. №8 C.55-63;
Губанов Д.А., Новиков Д.А., Чхартишвили А.Г. Социальные сети: модели

Аннотация: Объектом исследования данной работы является мера семантической связности текстов, предметом исследования - алгоритм вычисления меры семантической связности текстов. В статье особое внимание уделяется методу определения гибридной меры семантической связности двух понятий. Этот метод лежит в основе алгоритма вычисления сходства двух текстов. В качестве источников знаний используются Вики-проекты: Википедия и Викисловарь. Их совместное использование позволяет охватить значительно большее количество слов, по сравнению с использованием одного из Вики-проектов. В методе используется известная мера Wikisim. Эта мера простая, но имеет хорошую производительность. В классическом методе Wikisim используется только Википедия, поэтому он адаптирован и для Викисловаря. Методология проведения работы основана на моделировании процесса извлечения высококачественных знаний из Вики-проектов – индивидуальной работы независимых добровольцев. Новизна исследований заключается в комбинировании двух источников знаний Википедии и Викисловаря и создании на их основе новой гибридной меры семантической связанности понятий. Основной вывод работы состоит в том, что совмещение формальных (Викисловарь) и неформальных (Википедия) источников знаний может привести к более качественной оценке семантической связности между текстовыми единицами. Описанный метод может применяться в экономики, социологии и политике для выяснения мнения людей по интересующим вопросам.

Ключевые слова: слово, текст, Викисловарь, Википедия, вики проект, источник знаний, гибридная мера, семантическая связность, понятие, частотная характеристика

Библиография:
Zesch T., Muller C., Gurevych I. Using wiktionary for computing semantic relatedness // In Proceedings of the 23rd National Conference on Artificial Intelligence (IAAI-08 - Chicago). – 2008. – Vol. 2. – P. 861– 866.
Morris J., Hirst G. Non-classical lexical semantic relations // In Proceedings of the HLT-NAACL Workshop on Computational Lexical Semantics (CLS ’04 - Boston, Massachusetts). - 2004. - P. 46–51.
Milne D., Medelyan O., Witten I. H. Mining Domain-Specific thesauri from Wikipedia: A case study // In 2006 IEEE/WIC/ACM International Conference on Web Intelligence (WI ’06 – Hong Kong, China). – 2006. – P. 442–448.
Michael S., Ponzetto S. P. Wikirelate! computing semantic relatedness using Wikipedia // In Proceedings of the 21st national conference on Artificial intelligence (AAAI ’06 - Boston, Massachusetts). - 2006. - Vol. 2. - P. 1419– 1424.
Sánchez D., Batet M. Semantic similarity estimation in the biomedical domain: An ontology-based information-theoretic perspective // Journal of B

Аннотация: Предметом исследования является процесс разработки программного обеспечения автоматизированных систем управления. Объект исследования – методологии организации разработки программного обеспечения.
Общепризнанное перспективное направление повышения эффективности применения организационно-технических систем - автоматизация управления ими. В первую очередь автоматизация, организуемая по принципу системы поддержки принятия решений. Существенную долю эффективности любой автоматизированной системы обеспечивает её программное обеспечение. В первую очередь это относится к прикладному или специальному программному обеспечению. Разработка таких программ сопряжена с определёнными трудностями, в первую очередь – организационного характера. Обобщённый анализ показал, что в мировой практике существует достаточно широкий спектр методов организации процесса разработки программ. Эти методы можно разделить на две крупные группы относительно используемых алгоритмов на «жесткие» и «гибкие». Каждый из подходов эффективен для тех или иных условий разработки программного обеспечения. В статье проведён анализ факторов, влияющих на эффективность применения той или иной методологии, синтезированы предложения по целесообразности использования различных методологий в разных условиях процесса разработки. Анализ показал, что для условий разработки прикладного программного обеспечения автоматизированных систем поддержки принятия решений наибольшую эффективность обеспечивает применение «гибких» подходов. В обзорной статье рассмотрены особенности методологии Scrum, являющейся примером типичной реализации «гибких» подходов. На основе анализа особенностей применяемых методов и требований к их реализации, впервые сформулированы выводы о целесообразности применения гибких технологий при разработке прикладного программного обеспечения автоматизированных систем поддержки принятия решений

Ключевые слова: гибкие технологии разработки, организация процесса разработки, СППР, технологии разработки программ, программное обеспечение, автоматизированные системы управления, поддержка принятия решений, автоматизация управления, технология Agile, метод разработки Scrum

Библиография:
Тиханычев О.В., Макарцев Л.В., Гахов В.Р. Рациональная организация процесса разработки прикладного программного обеспечения как предпосылка успешной автоматизации поддержки принятия решений // Программные продукты и системы. – 2017. - №4. С.706-710. DOI: 10.15827/0236-235X.120.706-710
Рекомендации по стандартизации Р 50.1.028-2001 "Информационные технологии поддержки жизненного цикла продукции. Методология функционального моделирования" (приняты постановлением Госстандарта РФ от 2 июля 2001 г. №256-ст) – М.: ИПК «Издательство стандартов», 2001.
Тиханычев О.В., Саяпин О.В., Гахов В.Р. Современные технологии информационного обследования как фактор успеха автоматизации управления // Информатизация и связь. – 2013. - №6, - с.90-93.
Лукинова О.В. Методологические аспекты управления жизненным циклом информационной системы на основе инструментов функциональной стандартизации // Программные продукты и системы. 2016. - № 4. - с.27–35. DOI:10.15827/0236-235X.116.027-035
Хенрик Книберг. Scrum и XP: заметки с

Аннотация: В данной работе решается задача построения онтологической модели по выбору инструментальных средств разработки программного обеспечения. Классы построенной онтологической модели образуют таксономию. Рассматриваются вопросы представления разработанной онтологической модели в виде неоднородного ориентированного графа. Для поддержки ведения онтологии и решения на ее основе задачи выбора инструментальных средств разработки программного обеспечения на построенной модели определены операции добавления и модификации основных концептов онтологии, в качестве которых выступают критерии оценки качества программного обеспечения. Для оценки и принятия решения по выбору инструментальных средств на основе разработанной онтологической модели предлагается алгоритм, основанный на методе оценки подобия объектов в интеллектуальном пространстве знаний. Новизна представленной работы заключается в построении онтологической модели знаний для принятия решений по выбору инструментальных средств разработки программного обеспечения, которая позволяет расширить состав концептов и связей между ними, что обеспечивает возможность описания различных объектов, субъектов и процессов жизненного цикла программного обеспечения.

Ключевые слова: онтологическая модель, таксономия, неоднородный ориентированный граф, класс, концепт, алгоритм принятия решения, оценка подобия объектов, интеллектуальное пространство знаний, критерий оценки, жизненный цикл

Библиография:
Тельнов Ю.Ф. Интеллектуальные информационные системы / Московский международный институт эконометрики, информатики, финансов и права. – М., 2004. – 82 с.
Поспелов Д.А. Моделирование рассуждений. Опыт анализа мыслительных актов. – М.: Радио и связь, 1989. – 184 с.
Тузовский А.Ф., Чириков С.В., Ямпольский В.З. Системы управления знаниями (методы и технологии) – Томск: Изд-во НТЛ, 2005. – 260 с.
Крюков К.В., Панкова Л.А., Пронина В.А., Суховеров В.С., Шипина Л.Б. Меры семантической близости в онтологии // Проблемы управления. – 2010.-№
– с. 2-14. 5.Тузовский А.Ф. Работа с онтологической моделью организации на основе дескриптивной логики // Известия Томского политехнического университета; т. 309. – 2006.-№ 7. – с. 134-137.
Козлов С.В., Тузовский А.Ф., Чириков С.В., Ямпольский В.З. Использование онтологий в системах управления знаниями организаций // Известия Томского политехнического университета; т. 309. – 2006.-№ 3. – с. 180-184.
Вахитов А.Р., Новосельцев В.Б. Преимущества дескриптивной логик

Аннотация: В статье предлагается метод построения логических операций для анализа и коррекции результатов работы сигма-пи нейронных сетей, предназначенных для решения задач распознавания. Целью работы является выявление логической структуры неявных закономерностей, сформированных в результате обучения нейронной сети. Предлагаемый авторами метод восстанавливает обучающую выборку, опираясь на значения весовых коэффициентов сигма-пи нейрона, проводит анализ связей этой структуры и позволяет обнаружить неявные закономерности, что способствует повышению адаптивных свойств сигма-пи нейрона. Для решения поставленной задачи проводиться логико-алгебраический анализ предметной области в рамках которой происходит обучение сига-пи нейрона, строиться логическая решающая функция, исследуются ее свойства и применимость к коррекции работы нейрона. Широко известно, что комбинированный подход к организации работы алгоритмов распознания повышает их эффективность. Авторы утверждают, что комбинация нейросетевого подхода и применение логических корректоров позволяет в случаи возникновения некорректного ответа указать наиболее близкий по запрашиваемым признакам объект из выборки по которой обучался сигма-пи нейрон. Это существенно повышается качество автоматизированного решения интеллектуальных задач, т.е. обеспечение точности достижения верного решения за счет использования наиболее эффективных систем анализа исходных данных и разработки более точных методов их обработки.

Ключевые слова: нейрон, нейронные сети, логические функции, предикат, алгоритм, операции над алгоритмами, решающая функция, корректирующая операция, логико-алгебраический подход, классификатор

Библиография:
Лютикова Л.А. Использование математической логики с переменной значность при моделировании систем знаний // Вестник Самарского государственного университета. Естественнонаучная серия. №6(65). 2008. С. 20-27.
Лютикова Л. А., Шматова Е. В. Анализ и синтез алгоритмов распознавания образов с использованием переменно-значной логики // "Информационные технологии". Том 22. №4. 2016. С. 292—297.
Тимофеев А.В., Пшибихов В.Х. Алгоритмы обучения и минимизации сложности полиномиальных распознающих систем // Известия АН СССР. Техническая кибернетика. 1974. № 7. С. 214-217.
Тимофеев А.В., Лютикова Л.А. Развитие и применение многозначных логик и сетевых потоков в интеллектуальных системах // Труды СПИИ РАН. Вып. 2, 2005. С. 114-126.
Шибзухов З.М. О некоторых конструктивных и корректных классах алгебраических сигма-пи алгоритмов // Доклады РАН, 2010. Т. 432, №4. С. 465-468.
Шибзухов З.М. О поточечно корректных операциях над алгоритмами распознавания и прогнозирования //Доклады РАН. 2013, Т.450, №1. С.24-27.