ISSN 2311-4908
Язык: ru

ПРИКЛАДНАЯ МАТЕМАТИКА И ФУНДАМЕНТАЛЬНАЯ ИНФОРМАТИКА

Архив статей журнала

ИСПОЛЬЗОВАНИЕ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ ПРИ ИДЕНТИФИКАЦИИ ТЕКСТИЛЬНОГО МАТЕРИАЛА (2022)
Выпуск: Т. 9 № 4 (2022)
Авторы: Федотова Ирина Викторовна, Долгова Елена, Турова Ольга

В работе проведен сравнительный анализ различных подходов к решению задачи идентификации текстиля, по фотоизображению материала, с помощью методов машинного обучения, Рассмотрена математическая модель, лежащая в основе программной реализации. Модель протестирована на дополнительном наборе данных с применением методов объяснимости работы нейронных сетей.

Сохранить в закладках
ПРИМЕНЕНИЕ ГЕНЕТИЧЕСКОГО АЛГОРИТМА В ЗАДАЧЕ КОММИВОЯЖЕРА (2022)
Выпуск: Т. 9 № 4 (2022)
Авторы: Прохоров Павел, Парамонов Владимир

Актуальность работы обусловлена широким применением методов решения задачи коммивояжера в различных прикладных областях. В статье рассматриваются вопросы, связанные с необходимостью оптимального перестроения составленных маршрутов при добавлением новых пунктов назначения. Рассматривается модифицированный генетический алгоритм решения задачи коммивояжера и проводится анализ эффективности применения данного алгоритма, при построение оптимальных маршрутов.

Сохранить в закладках
МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ И ОПТИМИЗАЦИЯ ПОДБОРА ТАРИФА ПРОЖИВАНИЯ НА БАЗЕ ОТДЫХА (2022)
Выпуск: Т. 9 № 4 (2022)
Авторы: Леонов Евгений Анатольевич, Морарь Елена Витальевна

В работе приведен краткий теоретический обзор существующих методов решения задач классификации. Проведен анализ данных методов и выбран метод для решения конкретной задачи по подбору тарифа проживания на базе отдыха. Выполнена программная реализация оригинального алгоритма на основе метода k-NN. Добавлены коэффициенты значимости признаков

Сохранить в закладках
СРАВНИТЕЛЬНЫЙ АНАЛИЗ РЕКУРРЕНТНЫХ НЕЙРОННЫХ СЕТЕЙ И МОДЕЛИ АВТОРЕГРЕССИИ ARIMA ПРИ ПРОГНОЗИРОВАНИИ НЕСТАЦИОНАРНЫХ ВРЕМЕННЫХ РЯДОВ (2022)
Выпуск: Т. 9 № 4 (2022)
Авторы: Дюссекенов Джаиль, Тюменцев Евгений Александрович

Для прогнозирования выхода светлых фракций установкой ЭЛОУ-АВТ-6 проведен сравнительный анализ модели рекуррентной нейронной сети и модели авторегрессии ARIMA. Приведено математическое описание этих моделей. Приведена реализация моделей с использованием библиотек Keras и Pmdarima на языке Python. Проведена серия экспериментов, в качестве данных использовались значения температуры куба колонны К-2, расход сырой нефти и расход фракции бензина. Сделан вывод, о превосходстве качества прогноза нейронных сетей над ARIMA

Сохранить в закладках
ПРИМЕНЕНИЕ КОМБИНИРОВАННЫХ ВЕКТОРНЫХ ПРЕДСТАВЛЕНИЙ ПРИ РЕШЕНИИ ЗАДАЧИ КЛАССИФИКАЦИИ НАМЕРЕНИЙ ПОЛЬЗОВАТЕЛЕЙ ИНТЕЛЛЕКТУАЛЬНОЙ ДИАЛОГОВОЙ СИСТЕМЫ (2022)
Выпуск: Т. 9 № 4 (2022)
Авторы: Гуненков Михаил Юрьевич, Канева Ольга Николаевна

В работе приведен краткий теоретический обзор существующих подходов к решению задачи классификации намерений пользователей на основе текстовых сообщений. Предложен классификатор на основе текстового трансформера. Рассмотрены процессы обучения и использования модели. В рамках эксперимента обучено несколько демонстрационных вариантов классификатора для корпоративной диалоговой системы. Приведены показатели качества моделей в виде совокупности значений основных метрик и визуализаций, применяемых при оценке классификаторов

Сохранить в закладках
АНАЛИЗ ПАРАМЕТРОВ ВЕТРОЭЛЕКТРОСТАНЦИЙ КАК ОБЪЕКТА УПРАВЛЕНИЯ (2022)
Выпуск: Т. 9 № 4 (2022)
Авторы: Горшенин Алексей

Исследуются характеристики ветроэлектростанций как источников возобновляемой энергии. Рассмотрены основные типы ветроэлектростанций, отличающиеся конструктивными параметрами и режимами работы. Рассмотрено возникновение критических режимов на ветроэлектростанциях. Рассмотрены конструктивные особенности ветроэлектростанций. Выявлены недостатки ветроэнергетики. На основе данных о ветроэнергетике исследована проблема изменчивости выработки энергии ветра. Получены графики данных о выработке электроэнергии и метеорологических условий, а также выявлена взаимосвязь между ними.

Сохранить в закладках
ПОДБОР ПАРАМЕТРОВ ДЛЯ РЕШЕНИЯ НЕПРЕРЫВНЫХ ОПТИМИЗАЦИОННЫХ ЗАДАЧ МЕТОДОМ ВНУТРЕННИХ ШТРАФНЫХ ФУНКЦИЙ (2022)
Выпуск: Т. 9 № 4 (2022)
Авторы: Петин Григорий Александрович, Зыкина Анна Владимировна

Исследуется подбор параметров для решения непрерывных оптимизационных задач методом внутренних штрафных функций с использованием программного приложения. Были рассмотрены методы внутренних штрафных функций и методы безусловной оптимизации, рассмотрены алгоритмы реализации методов, реализован пользовательский интерфейс программного приложения, предоставляющий возможность вводить целевую функцию, ограничения, начальные параметры и показывающий результаты в виде графиков, точки минимума, затраченного времени, количества итераций. Проведено исследование по выбору начальных параметров для рассмотренных методов.

Сохранить в закладках
СРАВНИТЕЛЬНЫЙ АНАЛИЗ АЛГОРИТМОВ СЛИЯНИЯ ИЗОБРАЖЕНИЙ (2022)
Выпуск: Т. 9 № 3 (2022)
Авторы: Ушаков Константин Дмитриевич, Канева Ольга Николаевна

Исследуется задача оптимального управления линейно нагруженной системой обыкновенных дифференциальных уравнений с линейными граничными условиями. Получены необходимые условия оптимальности первого порядка, которые позволяют использовать эффективные методы первого порядка для численного решения исследуемой задачи. Приведены результаты решения тестовой задачи и их анализ.

Сохранить в закладках
АНАЛИЗ ГРАФОВ И ВЫЯВЛЕНИЯ СЕТЕВЫХ МОТИВОВ (2022)
Выпуск: Т. 9 № 3 (2022)
Авторы: Селькина Любовь Михайловна, Моисеева Наталья Александровна

Разработка эффективных алгоритмов анализа сетевых мотивов является актуальным и имеет достаточно большое значение при исследовании социальных, биологических и некоторых других сетей. В статье представлено веб-приложение для подсчёта частот встречаемости подграфов на трех и четырех вершинах в больших сетях, а также для выявления так называемых сетевых мотивов. Веб-приложение реализует функционал системы MFSView и основывается на методе случайного выбора остовных деревьев. Разработанная система построена по типу клиент-серверной архитектуры и использует ряд таких эффективных технологий и фреймворков, как на клиенте - JavaScript и bootstrap, так и на сервере - Django.

Сохранить в закладках
АЛГОРИТМ ПОСТРОЕНИЯ РАСПИСАНИЯ ЗАДАНИЙ НА ХИМИЧЕСКОМ ПРОИЗВОДСТВЕ (2022)
Выпуск: Т. 9 № 3 (2022)
Авторы: Зыкина Анна Владимировна, Крылова Екатерина Владимировна

В статье рассмотрен алгоритм оптимизации расписания заданий на производстве. На основе плана смены (графика варок) и спецификаций заказов, загружаемых пользователем из файлов, система составляет расписание, состоящее из заданий «Подачи в зону отвешивания», «Отвешивание», «Перемещение в зону временного хранения», «Подача к реактору». Разработка выполнена в рамках заказа компании Unilever.

Сохранить в закладках
ФОРМИРОВАНИЕ БАЗЫ ДАННЫХ ДЛЯ ГЛУБОКОГО ОБУЧЕНИЯ НЕЙРОННОЙ СЕТИ (2022)
Выпуск: Т. 9 № 3 (2022)
Авторы: ДЕМИН АЛЕКСАНДР МИХАЙЛОВИЧ, Доценко Елена Валерьевна, Бабидорич Максим Иванович, Реутова Ольга Антоновна

В работе представлен способ применения статистической математической модели в процессе генерации базы данных для обучения искусственной нейронной сети. Исследование проводилось на примере прогнозирования физико-химических свойств модели многокомпонентной смеси дизельного топлива и водородсодержащего газа. В результате получена нейронная сеть, которая определяет искомые величины с ошибкой 0,2%. Это позволит использовать нейронную сеть в динамических системах оценки загрязнений технологических аппаратов со стороны исследуемой углеводородной смеси без использования сторонних программных продуктов.

Сохранить в закладках
НЕМНОГО О МОДЕЛЯХ ДЕЦЕНТРАЛИЗОВАННЫХ СИСТЕМ (2022)
Выпуск: Т. 9 № 3 (2022)
Авторы: Коннов Игорь Васильевич

Некорректная формализация исходной системы при построении математической модели может привести к бесполезной многозатратной работе и, более того, к неверным выводам. Эти модели не могут быть исправлены за счет применения более общих свойств или более сложных конструкций. В статье обсуждаются пути построения адекватных моделей для сложных систем децентрализованного типа, содержащих различные активные элементы со своими интересами и наборами действий. Указаны базовые свойства систем, которые будут соответствовать моделям данного типа. На этой основе можно проводить предварительный отбор подходящей модели конкретной реальной системы.

Сохранить в закладках
← назад вперёд →